Projek Pengelompokan K-Means

Kami akan bermula dengan mengimport pustaka yang diperlukan dan memuatkan set 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 ciri yang relevan untuk pengelompokan dan menormalkan data jika perlu. Untuk projek ini, kita akan menggunakan Pendapatan Tahunan dan Skor Perbelanjaan:

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

Kami menggunakan kaedah siku untuk mencari bilangan kelompok optimum dengan memplot jumlah kuasa dua dalam kelompok (WCSS) bagi nilai K yang berbeza:

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 kaedah siku, kita memilih bilangan kelompok yang optimum (contohnya, K=5) dan fit 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())

Kami boleh memplot kelompok dalam ruang 2D untuk melihat 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 kelompok mewakili kumpulan pelanggan dengan corak perbelanjaan yang serupa. Contohnya:

• Kelompok 1: Pendapatan tinggi, perbelanjaan tinggi.
• Kelompok 2: Pendapatan rendah, perbelanjaan rendah.
• Kelompok 3: Pendapatan sederhana, perbelanjaan tinggi.

Walaupun pengelompokan berkuasa, aplikasi dunia sebenar menghadapi cabaran seperti:

• Set data berdimensi tinggi.
• Data berhingar atau tidak lengkap.
• Mentafsirkan hasil kelompok dengan bermakna.

Dalam projek ini, kami:

• Meneroka set data dunia sebenar.
• Menggunakan pengelompokan K-Means dan memvisualisasikan hasilnya.
• Mentafsir kelompok untuk memahami tingkah laku pelanggan.

Seterusnya, kita akan mempelajari teknik pengurangan dimensi seperti PCA dan t-SNE.