03-Kmeans-顾客数据聚类分析

1. 需求分析

会员客户聚类分析。

2. 数据说明

这是 Kaggle 经典客户分群教学数据集，共 200 条商场会员脱敏样本，专门用于无监督聚类（K-Means 为主）入门练习，为模拟商业数据，无真实用户隐私。

商场客户分群数据集来源：Mall Customer Segmentation Data

数据特征

3. 建模

import pandas as pd
from matplotlib import pyplot as plt
from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score, calinski_harabasz_score

3.1 加载数据

# 1. 获取数据
data = pd.read_csv('./data/customers.csv')
data.head()

3.2 数据预处理

# 2. 数据预处理
# 2.1 提取特征
x = data.iloc[:,3:5]
x.head()

3.3 特征工程（无）

3.4 模型训练

确定k值；训练

# 4. 模型训练
# 4.1 确定k值
# 定义sse_list, sc_list, 记录不同k值的评估效果
sse_list = []
sc_list = []

for k in range(2,20):
estimator = KMeans(n_clusters=k, max_iter=100, random_state=1234)
estimator.fit(x)
y_pre = estimator.predict(x)
sse_list.append(estimator.inertia_)
sc_list.append(silhouette_score(x, y_pre))

# 画图（sse肘部图、轮廓系数sc图）
# 两张图放在1个画布中

plt.figure(figsize=(6,3))
plt.subplot(1,2,1)
plt.plot(range(2,20), sse_list, marker='o', label='SSE')
plt.grid()
plt.title('SSE')

plt.subplot(1,2,2)
plt.plot(range(2,20), sc_list, marker='o', label='SC')
plt.grid()
plt.title('SC')

plt.tight_layout()
plt.show()

# 4.2 模型训练
# 根据sse肘部图和sc图，确定k值=5
estimator = KMeans(n_clusters=5, max_iter=100, random_state=1234)
estimator.fit(x)
y_pre = estimator.predict(x)

3.5 模型评估

# 5. 模型评估
print('sc指数:', silhouette_score(x, y_pre)) # [-1,1], 越接近1聚类效果越好；>0.5聚类良好；负数为大量样本错分，聚类失效
print('CH指数:', calinski_harabasz_score(x, y_pre)) # [0,inf], 越接近inf聚类效果越好
print('SSE的负数:', estimator.score(x)) # 越接近0聚类效果越好
# 画图
plt.figure(figsize=(6,5))
plt.scatter(x.iloc[:,0], x.iloc[:,1], c=y_pre)
plt.xlabel(x.columns.tolist()[0])
plt.ylabel(x.columns.tolist()[1])
plt.scatter(estimator.cluster_centers_[:,0], estimator.cluster_centers_[:,1], marker='*', s=200, c='r')
plt.title('K-Means')
plt.show()