Projek Pengelompokan K-Means

Dalam projek ini, kita akan menggunakan pengelompokan K-Means pada set data dunia sebenar: pembahagian pelanggan. Matlamatnya adalah untuk mengelompokkan pelanggan berdasarkan corak perbelanjaan mereka.

Set data ini mengandungi lajur berikut:

• ID Pelanggan: Pengecam unik bagi setiap pelanggan.
• Umur: Umur pelanggan.
• Pendapatan Tahunan: Pendapatan tahunan dalam ribuan dolar.
• Skor Perbelanjaan: Skor yang diberikan berdasarkan tingkah laku pelanggan dan corak perbelanjaan (1–100).

Kita 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])

Kita menggunakan kaedah siku untuk mencari bilangan kelompok optimum dengan melukiskan jumlah kuasa dua dalam kelompok (WCSS) bagi pelbagai 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 kaedah siku, kita memilih bilangan kelompok optimum (contohnya, K=5) dan melakukan 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 boleh plot kelompok dalam ruang 2D untuk memerhatikan 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 sekumpulan 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 yang mengandungi hingar atau tidak lengkap.
• Mentafsir hasil pengelompokan dengan bermakna.

Dalam projek ini, kita:

• 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.