03-Kmeans-顾客数据聚类分析

1. 需求分析

会员客户聚类分析。

2. 数据说明

这是 Kaggle 经典客户分群教学数据集，共 200 条商场会员脱敏样本，专门用于无监督聚类（K-Means 为主）入门练习，为模拟商业数据，无真实用户隐私。

商场客户分群数据集来源：Mall Customer Segmentation Data

数据特征

1. 无缺失值、无异常脏数据，清洗成本极低；
2. 包含人口属性（性别、年龄）与消费经济属性（收入、消费分）两类特征；
3. 核心分析维度：年收入 & 消费得分，二者常用来划分典型客群。

3. 建模

import pandas as pd from matplotlib import pyplot as plt from sklearn.cluster import KMeans from sklearn.metrics import silhouette_score, calinski_harabasz_score

3.1 加载数据

# 1. 获取数据 data = pd.read_csv('./data/customers.csv') data.head()

3.2 数据预处理

# 2. 数据预处理 # 2.1 提取特征 x = data.iloc[:,3:5] x.head()

3.3 特征工程（无）

3.4 模型训练

确定k值；训练

# 4. 模型训练 # 4.1 确定k值 # 定义sse_list, sc_list, 记录不同k值的评估效果 sse_list = [] sc_list = [] for k in range(2,20): estimator = KMeans(n_clusters=k, max_iter=100, random_state=1234) estimator.fit(x) y_pre = estimator.predict(x) sse_list.append(estimator.inertia_) sc_list.append(silhouette_score(x, y_pre)) # 画图（sse肘部图、轮廓系数sc图） # 两张图放在1个画布中 plt.figure(figsize=(6,3)) plt.subplot(1,2,1) plt.plot(range(2,20), sse_list, marker='o', label='SSE') plt.grid() plt.title('SSE') plt.subplot(1,2,2) plt.plot(range(2,20), sc_list, marker='o', label='SC') plt.grid() plt.title('SC') plt.tight_layout() plt.show()

# 4.2 模型训练 # 根据sse肘部图和sc图，确定k值=5 estimator = KMeans(n_clusters=5, max_iter=100, random_state=1234) estimator.fit(x) y_pre = estimator.predict(x)

3.5 模型评估

# 5. 模型评估 print('sc指数:', silhouette_score(x, y_pre)) # [-1,1], 越接近1聚类效果越好；>0.5聚类良好；负数为大量样本错分，聚类失效 print('CH指数:', calinski_harabasz_score(x, y_pre)) # [0,inf], 越接近inf聚类效果越好 print('SSE的负数:', estimator.score(x)) # 越接近0聚类效果越好

# 画图 plt.figure(figsize=(6,5)) plt.scatter(x.iloc[:,0], x.iloc[:,1], c=y_pre) plt.xlabel(x.columns.tolist()[0]) plt.ylabel(x.columns.tolist()[1]) plt.scatter(estimator.cluster_centers_[:,0], estimator.cluster_centers_[:,1], marker='*', s=200, c='r') plt.title('K-Means') plt.show()