Chuẩn hóa và tỷ lệ hóa biến

Phân khúc khách hàng bằng Python

Karolis Urbonas

Head of Data Science, Amazon

Xác định vấn đề

Phân tích thống kê chính của bộ dữ liệu
So sánh trung bình và độ lệch chuẩn

datamart_rfm.describe()

Chuẩn hóa biến có trung bình khác nhau

K-means hoạt động tốt khi các biến có cùng trung bình
Chuẩn hóa (centering) bằng cách trừ giá trị trung bình khỏi từng quan sát

datamart_centered = datamart_rfm - datamart_rfm.mean()
datamart_centered.describe().round(2)

Tỷ lệ hóa biến có phương sai khác nhau

K-means tốt hơn khi các biến có cùng phương sai/độ lệch chuẩn
Tỷ lệ hóa (scaling) bằng cách chia cho độ lệch chuẩn của từng biến

datamart_scaled = datamart_rfm / datamart_rfm.std()
datamart_scaled.describe().round(2)

Kết hợp chuẩn hóa và tỷ lệ hóa

Tự trừ trung bình và chia cho độ lệch chuẩn
Hoặc dùng scaler của thư viện scikit-learn (trả về đối tượng numpy.ndarray)

from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
scaler.fit(datamart_rfm)
datamart_normalized = scaler.transform(datamart_rfm)

print('mean: ', datamart_normalized.mean(axis=0).round(2))
print('std: ', datamart_normalized.std(axis=0).round(2))

mean:  [-0. -0.  0.]
std:  [1. 1. 1.]

Tự thử các cách tiếp cận khác nhau!

Phân khúc khách hàng bằng Python