用于分群的数据准备

Python 营销中的机器学习

Karolis Urbonas

Head of Analytics & Science, Amazon

模型假设

先从 K-means 开始
当数据 1）近似正态（无偏态），且 2）已标准化（均值=0，标准差=1）时，K-means 表现良好
第二个模型 NMF 可用于原始数据，矩阵稀疏时尤佳

用对数变换去偏态

# 第一种方式：对数变换
wholesale_log = np.log(wholesale)

sns.pairplot(wholesale_log, diag_kind='kde')
plt.show()

查看对数变换后的数据

对数变换的配对图

用 Box-Cox 去偏态

# 第二种方式：Box-Cox 变换
from scipy import stats

def boxcox_df(x):
    x_boxcox, _ = stats.boxcox(x)
    return x_boxcox

wholesale_boxcox = wholesale.apply(boxcox_df, axis=0)

sns.pairplot(wholesale_boxcox, diag_kind='kde')
plt.show()

查看 Box-Cox 变换后的数据

Box-Cox 配对图

数据标准化

各列值减去该列均值
各列值除以该列标准差
使用 sklearn 的 StandardScaler() 模块

from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()

scaler.fit(wholesale_boxcox)
wholesale_scaled = scaler.transform(wholesale_boxcox)
wholesale_scaled_df = pd.DataFrame(data=wholesale_scaled,
                                   index=wholesale_boxcox.index,
                                   columns=wholesale_boxcox.columns)
wholesale_scaled_df.agg(['mean','std']).round()

      Fresh  Milk  Grocery  Frozen  Detergents_Paper  Delicassen
mean   -0.0   0.0      0.0     0.0              -0.0         0.0
std     1.0   1.0      1.0     1.0               1.0         1.0

Passons à la pratique !

Python 营销中的机器学习