Wstępne przetwarzanie danych

Segmentacja klientów w Pythonie

Karolis Urbonas

Head of Data Science, Amazon

Zalety klasteryzacji k-means

Jedna z najpopularniejszych metod uczenia nienadzorowanego
Prosta i szybka
Działa dobrze*

* przy określonych założeniach dotyczących danych

Kluczowe założenia k-means

Symetryczny rozkład zmiennych (brak skośności)
Zmienne o tych samych wartościach średnich
Zmienne o tej samej wariancji

Zmienne skośne

Lewostronnie skośna

Prawostronnie skośna

Zmienne skośne

Skośność usunięta za pomocą transformacji logarytmicznej

Zmienne na tej samej skali

K-means zakłada równe średnie
Oraz równe wariancje
Dane RFM tego nie spełniają

datamart_rfm.describe()

Powtórzenie pojęć

Segmentacja klientów w Pythonie

Preparing Video For Download...