K-Means-Clustering-Projekt

In diesem Projekt wenden wir K-Means-Clustering auf einen realen Datensatz zur Kundensegmentierung an. Ziel ist es, Kunden anhand ihrer Ausgabemuster zu gruppieren.

Datensatzübersicht

Der Datensatz enthält die folgenden Spalten:

• Kunden-ID: Eindeutige Kennung für jeden Kunden.
• Alter: Alter des Kunden.
• Jahreseinkommen: Jahreseinkommen in Tausend Dollar.
• Ausgaben-Score: Ein auf Grundlage des Kundenverhaltens und der Ausgabenmuster vergebener Wert (1–100).

Schritt 1: Datensatz und Bibliotheken importieren

Wir beginnen mit dem Importieren der erforderlichen Bibliotheken und dem Laden des Datensatzes:

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())

Schritt 2: Datenvorverarbeitung

Wir wählen relevante Merkmale für das Clustering aus und normalisieren die Daten bei Bedarf. Für dieses Projekt verwenden wir Jahreseinkommen und Ausgabenbewertung:

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

Schritt 3: Die optimale Anzahl von Clustern bestimmen

Wir verwenden die Ellbogenmethode, um die optimale Anzahl von Clustern zu ermitteln, indem wir die Within-Cluster-Sum-of-Squares (WCSS) für verschiedene Werte von K darstellen:

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()

Schritt 4: K-Means-Clustering anwenden

Auf Grundlage der Ellbogenmethode wählen wir die optimale Anzahl von Clustern (z. B. K=5) und passen das K-Means-Modell an:

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())

Schritt 5: Die Cluster visualisieren

Wir können die Cluster in einem 2D-Raum darstellen, um ihre Trennung zu beobachten:

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()

Schritt 6: Cluster interpretieren

Jedes Cluster stellt eine Gruppe von Kunden mit ähnlichen Ausgabemustern dar. Zum Beispiel:

• Cluster 1: Hohes Einkommen, hohe Ausgaben.
• Cluster 2: Niedriges Einkommen, niedrige Ausgaben.
• Cluster 3: Mittleres Einkommen, hohe Ausgaben.

Herausforderungen beim Clustering in der Praxis

Obwohl Clustering leistungsfähig ist, stehen praktische Anwendungen vor Herausforderungen wie:

• Hochdimensionale Datensätze.
• Verrauschte oder unvollständige Daten.
• Die sinnvolle Interpretation von Clusterergebnissen.

Zusammenfassung und nächste Schritte

In diesem Projekt haben wir:

• einen realen Datensatz untersucht.
• K-Means-Clustering angewendet und die Ergebnisse visualisiert.
• die Cluster interpretiert, um das Kundenverhalten zu verstehen.

Als Nächstes lernen wir Verfahren zur Dimensionsreduktion wie PCA und t-SNE kennen.