Praktická implementace shlukování k-means

Segmentace zákazníků v Pythonu

Karolis Urbonas

Head of Data Science, Amazon

Klíčové kroky

Předzpracování dat
Výběr počtu shluků
Spuštění k-means na předzpracovaných datech
Analýza průměrných hodnot RFM každého shluku

Předzpracování dat

Předzpracování je dokončeno a máme tyto dva objekty:

datamart_rfm
datamart_normalized

import numpy as np
datamart_log = np.log(datamart_rfm)

from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
scaler.fit(datamart_log)

datamart_normalized = scaler.transform(datamart_log)

Metody pro určení počtu shluků

Vizuální metody – křídelní kritérium
Matematické metody – silhouette koeficient
Experimentování a interpretace

Spuštění k-means

# Import package
from sklearn.cluster import KMeans
kmeans = KMeans(n_clusters=2, random_state=1)

# Compute k-means clustering on pre-processed data
kmeans.fit(datamart_normalized)

# Extract cluster labels from labels_ attribute
cluster_labels = kmeans.labels_

Analýza průměrných hodnot RFM každého shluku

# Create a cluster label column in the original DataFrame
datamart_rfm_k2 = datamart_rfm.assign(Cluster = cluster_labels)

# Calculate average RFM values and size for each cluster
datamart_rfm_k2.groupby(['Cluster']).agg({
    'Recency': 'mean',
    'Frequency': 'mean',
    'MonetaryValue': ['mean', 'count'],
}).round(0)

Analýza průměrných hodnot RFM každého shluku

Výsledek jednoduchého řešení se 2 shluky:

Procvičme si shlukování k-means!

Segmentace zákazníků v Pythonu