从 kmeans 聚类中了解客户属性答案

【问题标题】：Understand customer attributes from kmeans clustering从 kmeans 聚类中了解客户属性
【发布时间】：2019-08-21 08:40:44
【问题描述】：

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
性别_F
性别_M
购买次数
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，并且在 pandas 数据框 my_df 中也有一个热编码的分类变量。我已经使用 scikit-learn 的 kmeans 在这个数据集上创建了 2 个集群，但我想了解如何区分哪些客户被聚集到哪些集群中。

    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以获取以下见解：

第 1 组代表年龄和忠诚度值较大的人_status_new

提前致谢！

【问题讨论】：

一种探索性的方法可能是从一个特征开始，看看你在那里找到了什么集群。然后扩展到两个或更多功能。
我宁愿不将标准化应用于一个热编码变量。总体而言，对于如何在此处进行聚类，您几乎没有语义意义。也可能是随机点的最近邻居。

标签： python pandas scikit-learn cluster-analysis k-means

【解决方案1】：

如果您有每个客户的集群，您可以按集群计算每个参数的平均值，然后您就会得到答案。您可以更一般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。

但是，我看到您的参数，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、中级和高级...如果这些参数是从连续变量计算的，您应该保留连续变量，而不是像这样使用三个相关变量。

无论如何，这里有一些链接可以帮助您进行集群： - 射频聚类原理：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

【讨论】：