变量的中心化与缩放

Python 中的客户细分

Karolis Urbonas

Head of Data Science, Amazon

识别问题

分析数据集的关键统计量
比较均值与标准差

datamart_rfm.describe()

均值不同变量的中心化

当变量均值相同时，K-means 效果更好
变量中心化：每个观测减去其均值

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

方差不同变量的缩放

当变量方差/标准差相同时，K-means 更佳
变量缩放：每个变量除以其标准差

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

中心化与缩放的结合

手动：减去均值并除以标准差
或使用 scikit-learn 的 scaler（返回 numpy.ndarray 对象）

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.]

自行测试不同方法！

Python 中的客户细分