基于产品的RFM模型的k-means聚类分析

首先我们可以看看数据集的数据形态： 导入rfm数据，查看数据的统计学参数

df =pd.read_csv(rfm.csv)
df.describe()

在实施Kmeans聚类之前，我们必须检查这些关键k-means假设 -变量对称分布(不倾斜) -具有相同平均值的变量 -方差相同的变量

从这个表中，我们发现了这个问题:均值和方差不相等 解决:使用scikit-learn库中的标量来缩放变量

#绘制RFM值的分布
f,ax = plt.subplots(figsize=(10, 12))
plt.subplot(3, 1, 1); sns.distplot(rfm.Recency, label = Recency)
plt.subplot(3, 1, 2); sns.distplot(rfm.Frequency, label = Frequency)
plt.subplot(3, 1, 3); sns.distplot(rfm.MonetaryValue, label = Monetary Value)
plt.style.use(fivethirtyeight)
plt.tight_layout()
plt.show()

还有另一个问题:变量的不对称分布(数据倾斜) 解决方案:对数转换(仅为正值)将管理倾斜程度

我们使用这些结构化预处理步骤的顺序 1。取消数据倾斜-log转换的倾斜 2。标准化到相同的平均值 3。比例化到相同的标准偏差 4。存储为单独的数组用于分簇

#解决数据倾斜，log transfrom
rfm_log = rfm.apply(np.log, axis = 1).round(3)

# 查看分布
f,ax = plt.subplots(figsize=(10, 12))
plt.subplot(3, 1, 1); sns.distplot(rfm_log.Recency, label = Recency)
plt.subplot(3, 1, 2); sns.distplot(rfm_log.Frequency, label = Frequency)
plt.subplot(3, 1, 3); sns.distplot(rfm_log.MonetaryValue, label = Monetary Value)
plt.style.use(fivethirtyeight)
plt.tight_layout()
plt.show()

接下来运用kmeans聚类人群

1. 数据预处理
2. 选择一些集群
3. 对预处理数据运行k-means聚类
4. 分析每个集群的平均RFM值

数据预处理

#标准化变量
from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
scaler.fit(rfm_log)
#存储导独立的数组里
rfm_normalized= scaler.transform(rfm_log)

选择合适的簇值

肘部判定方法 绘制群集数量与群集内的平方和误差(SSE) -从每个数据点到其群集中心的平方距离的和 在情节中找出一个“肘部” 肘部——代表“最佳”簇数的点

from sklearn.cluster import KMeans

#获取最佳的kmeans
ks = range(1,8)
inertias=[]
for k in ks :
    # Create a KMeans clusters
    kc = KMeans(n_clusters=k,random_state=1)
    kc.fit(rfm_normalized)
    inertias.append(kc.inertia_)

# Plot ks vs inertias
f, ax = plt.subplots(figsize=(15, 8))
plt.plot(ks, inertias, -o)
plt.xlabel(Number of clusters, k)
plt.ylabel(Inertia)
plt.xticks(ks)
plt.style.use(ggplot)
plt.title(find the best clustering ?)
plt.show()

如图，我们在图中选择一个“肘”，在这里选择斜率开始缓慢下降的点，故选择3作为kmeans的簇

# 创建kmeans类
kc = KMeans(n_clusters= 3, random_state=1)
kc.fit(rfm_normalized)

#创建一个聚类后的标签列
cluster_labels = kc.labels_

#增加新列
rfm_k3 = rfm.assign(K_Cluster = cluster_labels)

#计算每个簇下的R F M值的平均值
rfm_rfm_k3.groupby(K_Cluster).agg({
          
   Recency: mean,Frequency: mean,MonetaryValue: [mean, count],}).round(0)