Centrer et mettre à l'échelle les variables

Segmentation de la clientèle en Python

Karolis Urbonas

Head of Data Science, Amazon

Identifier un problème

Analysez les statistiques clés de l'ensemble de données
Comparez la moyenne et l'écart type

datamart_rfm.describe()

Centrer des variables avec des moyennes différentes

K-means fonctionne bien sur des variables ayant la même moyenne
Centrer les variables consiste à soustraire la moyenne de chaque observation

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

Mettre à l'échelle des variables à variance différente

K-means marche mieux avec des variables ayant la même variance / le même écart type
Mettre à l'échelle consiste à diviser par l'écart type de chaque variable

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

Combiner centrage et mise à l'échelle

Soustrayez la moyenne et divisez par l'écart type manuellement
Ou utilisez un « scaler » de la bibliothèque scikit-learn (retourne un objet numpy.ndarray)

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.]

Testez différentes approches par vous-même !

Segmentation de la clientèle en Python