Segments de clientèle

Fait partie de la section Apprentissage non supervisé du Journey Machine Learning de Coddy. Leçon 39 sur 51.

Ce chapitre met les clusters à l’œuvre, jusqu’à créer une playlist classée par humeur :

80 chansons représentées par des points, la valence en abscisse et l’énergie en ordonnée, réparties en quatre groupes trouvés et nommés par k-means : tendu en haut à gauche, joyeux en haut à droite, triste en bas à gauche, calme en bas à droite

D’abord, les segments : des groupes sur lesquels on peut agir. Une auberge de jeunesse a mis à l’échelle deux caractéristiques et regroupé ses clients en clusters :

150 clients d’une auberge de jeunesse, nombre de nuits par séjour en abscisse et nombre de jours à l’avance pour la réservation en ordonnée, répartis en trois segments : voyages scolaires réservés des mois à l’avance, voyageurs du week-end avec des séjours courts, routards avec de longs séjours réservés tardivement

Les unités réelles indiquent à quoi ressemble un segment. Son centre réduit montre ce qui le distingue : chaque caractéristique en écart-type par rapport au client moyen.

X = StandardScaler().fit_transform(guests[["nights", "days_ahead"]])
km = KMeans(n_clusters=3, n_init=10, random_state=0).fit(X)
print(km.cluster_centers_.round(1))

Cela affiche :

[[ 1.3 -0.7]
 [-0.7 -0.7]
 [-0.7  1.4]]

Le nombre de chaque ligne le plus éloigné de 0 désigne son segment. La ligne 0 reste 1.3 écart-type de plus : les routards. La ligne 2 réserve 1.4 écart-type plus tôt : les voyages scolaires.

Défi

Moyen

Un théâtre veut connaître ses 166 membres. Le programme lit les caractéristiques utilisées pour la segmentation, comme age,ticket_price.

Standardise ces colonnes, regroupe-les en segments avec best_k(X) à l’aide de la fonction auxiliaire fournie dans le code de départ, puis affiche leur nombre.
En commençant par le plus grand, affiche la taille et le nom de chaque segment : la caractéristique de son centre la plus éloignée de 0, high ou low, et de combien.

Pour un autre théâtre et age,shows_per_year :

4 segments
57 members: high shows_per_year (1.2 std from average)
52 members: low shows_per_year (1.0 std from average)
40 members: low age (1.4 std from average)
32 members: high age (1.5 std from average)

Essayez vous-même

import numpy as np
import pandas as pd
from sklearn.preprocessing import StandardScaler
from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score

# Une ligne par membre du théâtre
members = pd.read_csv("theatre.csv")
# Les caractéristiques à utiliser pour la segmentation, telles que age,ticket_price
features = input().split(",")


# À partir des scores de silhouette : le k de 2 à 6 offrant le meilleur score de silhouette pour X
def best_k(X):
    best, best_score = 2, -1
    for k in range(2, 7):
        labels = KMeans(n_clusters=k, n_init=10, random_state=0).fit_predict(X)
        score = silhouette_score(X, labels)
        if score > best_score:
            best, best_score = k, score
    return best


# Écrivez votre code ci-dessous