مشروع تجميع K-Means

سنطبّق في هذا المشروع تجميع K-Means على مجموعة بيانات واقعية: تقسيم العملاء إلى شرائح. والهدف هو تجميع العملاء استنادًا إلى أنماط إنفاقهم.

نظرة عامة على مجموعة البيانات

تحتوي مجموعة البيانات على الأعمدة التالية:

• معرّف العميل: معرّف فريد لكل عميل.
• العمر: عمر العميل.
• الدخل السنوي: الدخل السنوي بآلاف الدولارات.
• درجة الإنفاق: درجة تُسند استنادًا إلى سلوك العميل وأنماط إنفاقه (1–100).

الخطوة 1: استيراد مجموعة البيانات والمكتبات

سنبدأ باستيراد المكتبات اللازمة وتحميل مجموعة البيانات:

import pandas as pd
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans

# Load dataset
data = pd.read_csv('Mall_Customers.csv')
print(data.head())

الخطوة 2: المعالجة المسبقة للبيانات

سنختار السمات ذات الصلة بالتجميع، وسنطبّع البيانات إذا لزم الأمر. سنستخدم في هذا المشروع الدخل السنوي ودرجة الإنفاق:

# Select relevant features
X = data[['Annual Income (k$)', 'Spending Score (1-100)']].values
print(X[:5])

الخطوة 3: تحديد العدد الأمثل للعناقيد

نستخدم طريقة الكوع للعثور على العدد الأمثل للعناقيد، وذلك من خلال رسم مجموع مربعات المسافات داخل العناقيد (WCSS) لقيم مختلفة من K:

wcss = []
for i in range(1, 11):
    kmeans = KMeans(n_clusters=i, init='k-means++', random_state=42)
    kmeans.fit(X)
    wcss.append(kmeans.inertia_)

plt.plot(range(1, 11), wcss)
plt.title('Elbow Method')
plt.xlabel('Number of Clusters')
plt.ylabel('WCSS')
plt.show()

الخطوة 4: تطبيق تجميع K-Means

استنادًا إلى طريقة الكوع، نختار العدد الأمثل للعناقيد (مثلًا K=5) ونلائم نموذج K-Means:

kmeans = KMeans(n_clusters=5, init='k-means++', random_state=42)
kmeans.fit(X)

# Add cluster labels to the dataset
data['Cluster'] = kmeans.labels_
print(data.head())

الخطوة 5: تصوير العناقيد

يمكننا رسم العناقيد في فضاء ثنائي الأبعاد لملاحظة مدى انفصالها:

plt.scatter(X[:, 0], X[:, 1], c=kmeans.labels_, cmap='viridis')
plt.scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:, 1], s=200, c='red', marker='X')
plt.title('Customer Segmentation')
plt.xlabel('Annual Income (k$)')
plt.ylabel('Spending Score (1-100)')
plt.show()

الخطوة 6: تفسير العناقيد

يمثل كل عنقود مجموعة من العملاء ذوي أنماط الإنفاق المتشابهة. على سبيل المثال:

• العنقود 1: دخل مرتفع وإنفاق مرتفع.
• العنقود 2: دخل منخفض وإنفاق منخفض.
• العنقود 3: دخل متوسط وإنفاق مرتفع.

تحديات التجميع في العالم الواقعي

رغم قوة التجميع، تواجه تطبيقاته في العالم الواقعي تحديات مثل:

• مجموعات البيانات عالية الأبعاد.
• البيانات المشوشة أو غير المكتملة.
• تفسير نتائج العناقيد تفسيرًا ذا معنى.

ملخص والخطوات التالية

في هذا المشروع، قمنا بما يلي:

• استكشفنا مجموعة بيانات واقعية.
• طبّقنا تجميع K-Means وصوّرنا النتائج.
• فسّرنا العناقيد لفهم سلوك العملاء.

سنتعلم بعد ذلك تقنيات تقليل الأبعاد مثل PCA وt-SNE.