使用 K-means 算法进行客户分类

雷锋网  •  扫码分享
我是创始人李岩：很抱歉！给自己产品做个广告，点击进来看看。  

使用 K-means 算法进行客户分类

本文为 AI 研习社编译的技术博客，原标题 ：

Customer segmentation using Machine Learning K-Means Clustering

翻译 | 吕鑫灿、就2    校对 | 就2    整理 | 志豪

原文链接：

http://www.patterns7tech.com/customer-segmentation-using-machine-learning-k-means-clustering/


Rajshekhar Bodhale | 2017年11月17日 | 机器学习

基于信息技术的大多数平台正在生成大量数据。这些数据称为大数据，它承载了大量的商业智能。这些数据互相交融以满足不同的目标和可能性。应用机器学习技术就很有可能为客户创造价值。


    问题描述

  1. 我们在会计学和物联网领域拥有基于大数据的平台，可以持续生成客户行为和设备监控数据。

  2. 识别目标客户群或者基于不同维度分析（推导）模式非常关键，并且实在的为平台提供了优势。


    对应想法

假设你有1000个客户使用你的平台并且不断地产生体量庞大的大数据，任何关于这方面的深入见解都将产生新的价值。

作为Patterns7团队不断尝试的机器学习计划和创新事物的一部分，我们对K-Means聚类算法进行了实验，这为客户带来的价值非常惊人。


    解决方案

聚类是将一组数据点划分为少量聚类的过程。在本部分中，你将理解并学习到如何实现K-Means聚类。


    K-Means聚类

K-Means聚类是一种常用于将数据集自动划分为K个组的方法，它属于无监督学习算法。

使用 K-means 算法进行客户分类


    K-Means目标

  • K均值的目的是使每个点到其对应的聚类质心的距离的平方和最小。给定一组观测值（x1,x2,...,xn），其中每一个观测值都是d维实数向量，K均值聚类旨在将n个观测值划分为k（k≤n）个集合S={S1,S2,...,Sk}以最小化聚类内的平方和，其中µi是Si中的点的平均值。

  • 保证K-Means算法收敛到局部最优。


    业务用途

这是一种通用算法，可用于任何类型的分组。部分使用案例如下：

  • 行为细分：按购买历史记录细分，按应用程序、网站或者购买平台上的活动细分。

  • 库存分类：按照销售活动分组存货（准备库存）。

  • 传感器测量：检测运动传感器中的活动类型，并分组图像。

  • 检测机器人或异常：从机器人中分离出有效地活动组。


    k - means聚类算法

  • 步骤1:选择集群的数量K。

  • 步骤2:随机选择K个点，作为质心。(不一定要从你的数据集中选择)

  • 步骤3:将每个数据点分配到-> 构成K簇的最近的质心。

  • 步骤4:计算并重新放置每个集群的新质心。

  • 步骤5:将每个数据点重新分配到最近的质心。如果有任何重置发生，转到步骤4，否则转到FIN。


    示例:在python中对客户费用和发票数据应用K-Means集群。

对于python，我使用的是Spyder Editor。

下面，我们将展示K-means算法如何处理客户费用和发票数据的例子。

我们有500个客户数据，我们关注两个客户特征: 客户发票，客户费用。

一般来说，只要数据样本的数量远远大于特征的数量，该算法可以用于任意数量的特征。


步骤1:清理和转换数据

对于这个示例，我们已经清理和做了一些简单的数据转换。下面是pandas  DataFrame的数据样本。

导入库，

1、numpy 即用于数学工具的，以在我们的代码中包含任何类型的数学
2、matplotlib  绘制漂亮的图表
3、pandas 用于导入数据集和管理数据集

使用 K-means 算法进行客户分类


步骤2: 我们对总费用和总发票应用聚类。在X中选择必需的列。

使用 K-means 算法进行客户分类

下图显示了500个客户的数据集，总发票在x轴，总费用在y轴。

使用 K-means 算法进行客户分类


步骤3:选择K并运行算法

选择K

上面描述的算法找到一个特定的预先选择K的集群和数据集标签。
为了找到数据中的集群数量，用户需要运行K-means聚类算法对K个值的范围进行聚类并比较结果。一般来说，没有确定K的精确值的方法，但是可以使用以下技术得到精确的估计值。

通常用于比较不同K值之间的结果的度量之一是：

数据点与它们的集群中心之间的平均距离。

因为增加集群的数量总是会减少到数据点的距离，所以增加K总是会减少这个度量，当K等于数据点的数量时达到0的极限。因此，这个指标不能作为唯一的目标。相反，将与质心的平均距离作为K的函数绘制出来，并使用“弯头点”(急剧下降的速度)来粗略地确定K。

使用 K-means 算法进行客户分类

用弯头法求出最优簇数K=3。对于本例，使用Python包scikit-learn进行计算，如下所示: 

						

							
								# K-Means Clustering
								

								

								# importing the libraries
								

								import
								numpy
								as
								np
								

								import
								matplotlib.pyplot
								as
								plt
								

								import
								pandas
								as
								pd
								

								

								# importing tha customer Expenses Invoices dataset with pandas
								

								dataset=pd.read_csv(
								'Expense_Invoice.csv'
								)
								

								X=dataset.iloc[: , [
								3
								,
								2
								]].values
								

								

								# Using the elbow method to find  the optimal number of clusters
								

								from
								sklearn.cluster
								import
								KMeans
								

								wcss = []
								

								for
								i
								in
								range(
								1
								,
								11
								):
								

								 kmeans=KMeans(n_clusters=i, init=
								'k-means++'
								, max_iter=
								300
								, n_init=
								10
								, random_state=
								0
								)
								

								 kmeans.fit(X)
								

								 wcss.append(kmeans.inertia_)
								

								plt.plot(range(
								1
								,
								11
								),wcss)
								

								plt.title(
								'The Elbow Method'
								)
								

								plt.xlabel(
								'Number of clusters K'
								)
								

								plt.ylabel(
								'Average Within-Cluster distance to Centroid (WCSS)'
								)  
								

								plt.show()
								

								 
								

								# Applying k-means to the mall dataset
								

								kmeans=KMeans(n_clusters=
								3
								, init=
								'k-means++'
								, max_iter=
								300
								, n_init=
								10
								, random_state=
								0
								)
								

								y_kmeans=kmeans.fit_predict(X)
								

								

								# Visualizing the clusters
								

								plt.scatter(X[y_kmeans ==
								0
								,
								0
								], X[y_kmeans ==
								0
								,
								1
								], s =
								100
								, c =
								'red'
								, label=
								'Careful(c1)'
								)
								

								plt.scatter(X[y_kmeans ==
								2
								,
								0
								], X[y_kmeans ==
								2
								,
								1
								], s =
								100
								, c =
								'green'
								, label=
								'Standard(c2)'
								)
								

								plt.scatter(X[y_kmeans ==
								1
								,
								0
								], X[y_kmeans ==
								1
								,
								1
								], s =
								100
								, c =
								'blue'
								, label=
								'Target(c3)'
								)
								

								plt.scatter(kmeans.cluster_centers_[:,
								0
								], kmeans.cluster_centers_[:,
								1
								], s =
								250
								, c =
								'yellow'
								,
								

								           label=
								'Centroids'
								)
								

								plt.title(
								'Clusters of customer Invoices & Expenses'
								)
								

								plt.xlabel(
								'Total Invoices '
								)
								

								plt.ylabel(
								'Total Expenses'
								)
								

								plt.legend()
								

								plt.show()


步骤4：查看结果

下面的图表显示了结果。

  • “谨慎型客户”谁的收入越少，他们花的也就越少。

  • “一般客户”收入是平均的，他们花得更少，

  • “目标客户”是谁的收入更多，他们花得更多。

使用 K-means 算法进行客户分类


想要继续查看该篇文章更多代码、链接和参考文献？ 雷锋网雷锋网雷锋网 (公众号：雷锋网)

戳链接： http://www.gair.link/page/TextTranslation/691


AI研习社每日更新精彩内容，点击文末【阅读原文】即可观看更多精彩内容：

Google 启动新搜索引擎，帮助科学家找到需要的数据集

立志成为数据科学家？掌握以下基础

当机器学习遇上运动鞋

基于opencv和python的手指识别及追踪


等你来译：

建立一个基于深度学习的混合型的内容协同电影推荐系统

决策树：一种像人脑一样工作的算法

如何用 Dask 数据框架运行并行数据分析

蒙特卡洛模拟航空公司超订

游戏 AI 入门指南

使用 K-means 算法进行客户分类

。

使用 K-means 算法进行客户分类

随意打赏

提交建议
微信扫一扫，分享给好友吧。
关闭