Praktisk implementering av k-means-klustring

Kundsegmentering i Python

Karolis Urbonas

Head of Data Science, Amazon

Viktiga steg

Förbehandling av data
Välja antal kluster
Köra k-means-klustring på förbehandlad data
Analysera genomsnittliga RFM-värden per kluster

Förbehandling av data

Vi har slutfört förbehandlingsstegen och har dessa två objekt:

datamart_rfm
datamart_normalized

import numpy as np
datamart_log = np.log(datamart_rfm)

from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
scaler.fit(datamart_log)

datamart_normalized = scaler.transform(datamart_log)

Metoder för att bestämma antal kluster

Visuella metoder – armbågeskriteriet
Matematiska metoder – silhuettkoefficienten
Experimentering och tolkning

Köra k-means

# Import package
from sklearn.cluster import KMeans
kmeans = KMeans(n_clusters=2, random_state=1)

# Compute k-means clustering on pre-processed data
kmeans.fit(datamart_normalized)

# Extract cluster labels from labels_ attribute
cluster_labels = kmeans.labels_

Analysera genomsnittliga RFM-värden per kluster

# Create a cluster label column in the original DataFrame
datamart_rfm_k2 = datamart_rfm.assign(Cluster = cluster_labels)

# Calculate average RFM values and size for each cluster
datamart_rfm_k2.groupby(['Cluster']).agg({
    'Recency': 'mean',
    'Frequency': 'mean',
    'MonetaryValue': ['mean', 'count'],
}).round(0)

Analysera genomsnittliga RFM-värden per kluster

Resultatet av en enkel lösning med 2 kluster:

Nu kör vi en övning!

Kundsegmentering i Python