Kmeans方法在数据分析中的Python实战

数据准备步骤

1. 数据收集：收集所需要的数据特征。（eg：为用户划分消费能力等级，包括但不限于消费金额：用户在过去一段时间内的总消费金额或者平均消费金额。消费频率：用户在一定时期内消费的次数。最近一次消费时间：用户最近一次购买商品的时间距离现在的时间间隔。消费类别偏好：用户购买的产品或服务的种类分布，可以通过一个向量表示各个类别的消费比例单次消费金额：用户每次消费的平均金额。消费地点：用户购买商品或服务的位置信息，如果适用的话购买时间段：用户倾向于在一天中的哪个时段购物。会员等级：如果有的话，用户的会员级别可以反映其忠诚度和潜在消费能力。用户生命周期价值 (LTV)：用户在未来一段时间内预期产生的总收入。）

2. 数据预处理：
   • 缺失值处理：检查数据集中是否存在缺失值，并采取适当的方法填补或删除。
   • 异常值检测：检测并处理异常值，因为异常值可能会对聚类结果产生较大影响。
   • 特征缩放：由于不同的特征可能具有不同的量纲和范围，需要对数据进行标准化或归一化处理，以避免某些特征因数值较大而主导聚类结果。
3. 特征选择：根据业务需求和数据实际情况，选择最能体现消费能力差异的特征。
4. 模型训练：应用K-means算法进行训练，并确定最优的聚类数量。

补充：肘部法则

肘部法则是一种用于确定在k均值聚类算法中使用的质心数（k）的技术。 在这种方法中，为了确定k值，我们连续迭代k=1到k=n（这里n是我们根据要求选择的超参数）。对于k的每个值，我们计算簇内平方和（WCSS）值。即片段中的inertias

import pandas as pd
from sklearn.preprocessing import StandardScaler
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt


# 假设你的数据已经存储在一个CSV文件中
data = pd.read_csv('customer_data.csv')


# 选择用于聚类的特征
features=['consumption_amount','frequency','last_purchase_date','average_transaction_value']


# 数据预处理

X = data[features]
scaler = StandardScaler() # 创建StandardScaler实例
X_scaled = scaler.fit_transform(X) # 对数据进行标准化处理


# 使用肘部法则确定最佳聚类数量

inertias = []
for k in range(1, 11):
    kmeans = KMeans(n_clusters=k)
    kmeans.fit(X_scaled)
    inertias.append(kmeans.inertia_)#将当前聚类配置下的惯性值添加到inertias列表中。


plt.plot(range(1, 11), inertias, marker='o')
plt.xlabel('Number of Clusters')
plt.ylabel('Inertia')
plt.title('Elbow Method')
plt.show()


# 假设我们发现4个簇是最优的

optimal_k = 4
kmeans = KMeans(n_clusters=optimal_k)
kmeans.fit(X_scaled)


# 获取聚类标签

labels = kmeans.labels_


# 添加聚类标签到原始数据中（将K-means聚类后得到的聚类标签添加到原始数据data中作为一个新的列。）

data['cluster'] = labels


# 输出结果

print(data.groupby('cluster').mean())

肘部法则参考：使用肘部法则选择KMeans聚类中的k值_肘部法则确定 kmeans方法中的k-CSDN博客