Progetto di clustering K-Means

In questo progetto applicheremo il clustering K-Means a un dataset reale: la segmentazione dei clienti. L'obiettivo è raggruppare i clienti in base ai loro modelli di spesa.

Il dataset contiene le seguenti colonne:

• ID cliente: identificatore univoco per ogni cliente.
• Età: età del cliente.
• Reddito annuo: reddito annuo espresso in migliaia di dollari.
• Punteggio di spesa: punteggio assegnato in base al comportamento del cliente e alle sue abitudini di spesa (1–100).

Inizieremo importando le librerie necessarie e caricando il dataset:

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())

Selezioneremo le caratteristiche rilevanti per il clustering e, se necessario, normalizzeremo i dati. Per questo progetto useremo Reddito annuo e Punteggio di spesa:

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

Utilizziamo il metodo del gomito per trovare il numero ottimale di cluster tracciando la somma dei quadrati intra-cluster (WCSS) per diversi valori di 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()

In base al metodo del gomito, scegliamo il numero ottimale di cluster (ad es., K=5) e addestriamo il modello 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())

È possibile tracciare i cluster in uno spazio 2D per osservarne la separazione:

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()

Ogni cluster rappresenta un gruppo di clienti con modelli di spesa simili. Ad esempio:

• Cluster 1: reddito alto, spesa elevata;
• Cluster 2: reddito basso, spesa ridotta;
• Cluster 3: reddito moderato, spesa elevata.

Sebbene il clustering sia potente, le applicazioni nel mondo reale devono affrontare difficoltà come:

• dataset ad alta dimensionalità;
• dati rumorosi o incompleti;
• interpretazione significativa dei risultati dei cluster.

In questo progetto:

• Abbiamo esplorato un dataset del mondo reale.
• Abbiamo applicato il clustering K-Means e visualizzato i risultati.
• Abbiamo interpretato i cluster per comprendere il comportamento dei clienti.

Successivamente, apprenderemo tecniche di riduzione della dimensionalità come PCA e t-SNE.