【机器学习项目实战】Python实现聚类(Kmeans)分析客户分组

说明：这是一个机器学习实战项目（附带数据+代码），如需数据+完整代码可以直接到文章最后获取。

1.问题定义

      在日常银行、电商等公司中，随着时间的推移，都会积累一些客户的数据。在当前的大数据时代、人工智能时代，数据就是无比的财富。并且消费者需求显现出日益差异化和个性化的趋势。随着我国市场化程度的逐步深入，以及信息技术的不断渗透，对大数据的分析已是必然趋势。本案例就是使用机器学习聚类算法对客户进行分组，为销售人员进行精准营销提供帮助。

2.数据收集

本数据是模拟数据：

数据集：data.xcsv

在实际应用中，根据自己的数据进行替换即可。

特征：

Gender：性别     

Age：年龄

Income：年收入

Spending：消费分数

3.数据预处理

1）原始数据描述：

2）数据完整性、数据类型查看：

print(data.dtypes)

 

3）数据缺失值查看：

print(data.isnull().any())

 

可以看到数据不存在缺失值。

4.探索性数据分析

1）特征变量年收入分析：

 

2）特征变量消费分数分析：

 

3）相关性分析

 

说明：正值是正相关、负值时负相关，值越大变量之间的相关性越强。

5.聚类模型  

1)确定K值

for i in range(1, 11):  # 尝试不同的K值
    kmeans = KMeans(n_clusters=i, init='k-means++', random_state=0)
    kmeans.fit(X)
    cost.append(kmeans.inertia_)  # inertia_ 是我们选择的方法，其作用相当于损失函数

通过手肘图法进行确定K值，手肘图如下：

通过手肘图上判断，肘部数字大概是3或4，我们选择4作为聚类个数。

2)建立聚类模型，模型参数如下：

kmeansmodel = KMeans(n_clusters=4, init='k-means++') 

编号	参数
1	n_clusters=4
2	init='k-means++'

其它参数根据具体数据，具体设置。

3)聚类算法结果输出

r1 = pd.Series(kmeansmodel.labels_).value_counts()  # 统计各个类别的数目
r2 = pd.DataFrame(kmeansmodel.cluster_centers_)  # 找出聚类中心
r = pd.concat([r2, r1], axis=1)  # 横向连接（0是纵向），得到聚类中心对应的类别下的数目
r.columns = list(data_tmp.columns) + ['类别数目']  # 重命名表头
print(r)

分群类别		第一类	第二类	第三类	第四类
样本个数		68	50	20	62
样本占比个数		34.00%	25.00%	10.00%	31.00%
聚类中心	Income	273933.0588	137054.8000	548719.4000	389187.8710
	Spending	0.500147	0.494800	0.520000	0.504032

从上述表格可以看出，分群1占比34%，分群2占比25%，分群3占比10%，分群4占比31%。

6.聚类可视化

1) 客户聚类结果图

plt.scatter(X[y_kmeans == 0, 0], X[y_kmeans == 0, 1],
            s=100, c='cyan', label='Cluster 1')
plt.scatter(X[y_kmeans == 1, 0], X[y_kmeans == 1, 1],
            s=100, c='blue', label='Cluster 2')
plt.scatter(X[y_kmeans == 2, 0], X[y_kmeans == 2, 1],
            s=100, c='green', label='Cluster 3')
plt.scatter(X[y_kmeans == 3, 0], X[y_kmeans == 3, 1],
            s=100, c='red', label='Cluster 4')
plt.scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:, 1],
            s=200, c='yellow', label='Centroids')
plt.title('Clusters of customers')
plt.xlabel('Income')
plt.ylabel('Spending Score')
plt.legend()

 

通过上图可以看到，黄色高亮得大点是聚类的质心，可以看到算法中的质心并不止一个。

2)聚类概率密度图

聚类群1的概率密度图：

 

聚类群2的概率密度图：

 

聚类群3的概率密度图：

 

聚类群4的概率密度图：

 

1）分群1特点：年收入集中在30万，消费分数集中在0.50左右；

2）分群2特点：年收入集中在10万~15万，消费分数集中在0.25和0.75；

3）分群3特点：年收入集中在50万，消费分数集中在0.30和0.80；

4）分群4特点：年收入集中在35万~40万万，消费分数集中在0.10和0.80；

5）比对分析：分群3年收入高、分数高属于高价值人群；分群4年收入良好、消费分数综合良好，属于中等人群；分群1年收入一般、消费分数一般，属于一般人群；分群2年收入低、消费分数中等，属于价格较低的客户群体。

7.实际应用

根据数据聚类结果对客户的分组，在后面展开的营销活动中，我们可以采取差异化手段进行客户分类的精准营销，以提高消费成功率，使客户的整体消费感受更好。

聚类结果如下：

 本次机器学习项目实战所需的资料，项目资源如下：https://download.csdn.net/download/weixin_42163563/21398460