通过 kmeans 聚类了解客户属性

Question

我有一个客户数据集，其中包含关于客户的大约 20-25 个属性，例如：

年龄
gender_F
gender_M
num_purchases
loyalty_status_new
loyalty_status_intermediate
loyalty_status_advanced
...

我已经清理了我的数据集，使其没有任何空值，并将单热编码的分类变量也放入 pandas 数据帧 my_df 中。我已经使用 scikit-learn 的 kmeans 在此数据集上创建了 2 个集群，但我想了解如何判断哪些客户被集群到哪些集群中。

    scaler = StandardScaler()
    my_df_scaler = scaler.fit_transform(my_df)
    kmeans = KMeans(2)
    model = kmeans.fit(my_df_scaler)
    preds = model.predict(my_df_scaler)

基本上，我正在寻求一些帮助来获得如下见解：

聚类 1 代表年龄值较大且 loyalty_status_new

提前致谢！

Answer 1

如果您有每个客户的聚类，您可以按聚类计算每个参数的平均值，您就会得到答案。您可以更普遍地检查每个集群中每个参数的分布，并在集群之间进行比较。

然而，正如我看到的您的参数，您不应该使用 Gender_M 和 Gender_F，因为这些特征是相关的 (Gender_M=1-Gender_F)。

我还看到忠诚度状态新的、中级的和高级的...如果这些参数是从连续变量计算的，你应该保留连续变量而不是像这样与三个相关变量一起使用。

无论如何，这里有一些链接可以帮助您进行聚类： - rfm聚类原则：https://towardsdatascience.com/apply-rfm-principles-to-cluster-customers-with-k-means-fef9bcc9ab16 - 深入了解 KMeans：https://towardsdatascience.com/k-means-clustering-8e1e64c1561c

通过 kmeans 聚类了解客户属性

Understand customer attributes from kmeans clustering

python

cluster-analysis

k-means

pandas

scikit-learn