Pregătirea datelor pentru segmentare

Machine Learning pentru Marketing în Python

Karolis Urbonas

Head of Analytics & Science, Amazon

Ipoteze ale modelelor

  • Începem cu K-means
  • K-means funcționează bine când datele sunt 1) ~normal distribuite (fără asimetrie) și 2) standardizate (medie = 0, deviație standard = 1)
  • Al doilea model - NMF - poate fi aplicat pe date brute, în special dacă matricea este rară
Machine Learning pentru Marketing în Python

Eliminarea asimetriei prin transformare logaritmică

# First option - log transformation
wholesale_log = np.log(wholesale)

sns.pairplot(wholesale_log, diag_kind='kde')
plt.show()
Machine Learning pentru Marketing în Python

Explorarea datelor transformate logaritmic

Pairplot după transformare logaritmică

Machine Learning pentru Marketing în Python

Eliminarea asimetriei prin transformarea Box-Cox

# Second option - Box-Cox transformation
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()
Machine Learning pentru Marketing în Python

Explorarea datelor transformate Box-Cox

Pairplot Box-Cox

Machine Learning pentru Marketing în Python

Scalarea datelor

  • Se scade media coloanei din fiecare valoare
  • Se împarte fiecare valoare la deviația standard a coloanei
  • Se folosește modulul StandardScaler() din sklearn
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
Machine Learning pentru Marketing în Python

Să exersăm!

Machine Learning pentru Marketing în Python

Preparing Video For Download...