Proyek Klasterisasi K-Means

Dalam proyek ini, kita akan menerapkan pengelompokan K-Means pada kumpulan data dunia nyata, yaitu segmentasi pelanggan. Tujuannya adalah mengelompokkan pelanggan berdasarkan pola pengeluaran mereka.

Kumpulan data ini berisi kolom-kolom berikut:

• ID Pelanggan: Pengenal unik untuk setiap pelanggan.
• Usia: Usia pelanggan.
• Pendapatan Tahunan: Pendapatan tahunan dalam ribuan dolar.
• Skor Pengeluaran: Skor yang ditetapkan berdasarkan perilaku pelanggan dan pola pengeluaran (1–100).

Kita akan memulai dengan mengimpor pustaka yang diperlukan dan memuat kumpulan data:

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())

Kita akan memilih fitur yang relevan untuk pengelompokan dan menormalisasi data jika diperlukan. Untuk proyek ini, kita akan menggunakan Pendapatan Tahunan dan Skor Pengeluaran:

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

Kita menggunakan metode siku untuk menemukan jumlah klaster optimal dengan membuat plot jumlah kuadrat dalam klaster (WCSS) untuk berbagai nilai 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()

Berdasarkan metode siku, kita memilih jumlah klaster yang optimal, misalnya K=5, lalu menggunakan fit pada model 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())

Kita dapat membuat plot klaster dalam ruang 2D untuk mengamati pemisahannya:

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()

Setiap klaster mewakili kelompok pelanggan dengan pola pengeluaran yang serupa. Misalnya:

• Klaster 1: Pendapatan tinggi, pengeluaran tinggi.
• Klaster 2: Pendapatan rendah, pengeluaran rendah.
• Klaster 3: Pendapatan sedang, pengeluaran tinggi.

Meskipun pengelompokan sangat bermanfaat, penerapan di dunia nyata menghadapi tantangan seperti:

• Kumpulan data berdimensi tinggi.
• Data yang mengandung derau atau tidak lengkap.
• Menafsirkan hasil pengelompokan secara bermakna.

Dalam proyek ini, kita:

• Menjelajahi kumpulan data dunia nyata.
• Menerapkan pengelompokan K-Means dan memvisualisasikan hasilnya.
• Menafsirkan kelompok-kelompok tersebut untuk memahami perilaku pelanggan.

Selanjutnya, kita akan mempelajari teknik reduksi dimensi seperti PCA dan t-SNE.