Выбор количества кластеров

Сегментация клиентов в Python

Karolis Urbonas

Head of Data Science, Amazon

Методы

Визуальные методы — критерий «локтя»
Математические методы — коэффициент силуэта
Эксперименты и интерпретация

Метод «локтя»

Построить график зависимости числа кластеров от суммы квадратов ошибок внутри кластеров (SSE) — сумма квадратов расстояний от каждой точки до центра её кластера
Найти «локоть» на графике
«Локоть» — точка, соответствующая «оптимальному» числу кластеров

Метод «локтя»

# Import key libraries
from sklearn.cluster import KMeans
import seaborn as sns
from matplotlib import pyplot as plt

# Fit KMeans and calculate SSE for each *k*
sse = {}
for k in range(1, 11):
    kmeans = KMeans(n_clusters=k, random_state=1)
    kmeans.fit(data_normalized)
    sse[k] = kmeans.inertia_ # sum of squared distances to closest cluster center

# Plot SSE for each *k*
plt.title('The Elbow Method')
plt.xlabel('k'); plt.ylabel('SSE')
sns.pointplot(x=list(sse.keys()), y=list(sse.values()))
plt.show()

Метод «локтя»

График метода «локтя»:

Метод «локтя»

График метода «локтя»:

Применение метода «локтя»

Лучше выбирать точку «локтя» или следующую за ней
Используйте график как ориентир и проверяйте несколько решений
График «локтя» построен на основе datamart_rfm

Экспериментальный подход — анализ сегментов

Построить кластеризацию в точке «локтя» и рядом с ней
Проанализировать свойства сегментов — средние значения RFM
Сравнить решения между собой и выбрать наиболее обоснованное с точки зрения бизнеса

Экспериментальный подход — анализ сегментов

Предыдущее решение с 2 кластерами
Решение с 3 кластерами на том же нормализованном наборе RFM

Давайте потренируемся!

Сегментация клиентов в Python