โครงงานการจัดกลุ่มแบบเคมีนส์

ในโครงงานนี้ เราจะประยุกต์ใช้การจัดกลุ่มด้วย K-Means กับชุดข้อมูลจากโลกจริง นั่นคือการแบ่งกลุ่มลูกค้า เป้าหมายคือการจัดกลุ่มลูกค้าตามรูปแบบการใช้จ่าย

ชุดข้อมูลประกอบด้วยคอลัมน์ต่อไปนี้:

• รหัสลูกค้า: ตัวระบุที่ไม่ซ้ำกันสำหรับลูกค้าแต่ละราย
• อายุ: อายุของลูกค้า
• รายได้ต่อปี: รายได้ต่อปีในหน่วยพันดอลลาร์
• คะแนนการใช้จ่าย: คะแนนที่กำหนดตามพฤติกรรมและรูปแบบการใช้จ่ายของลูกค้า (1–100)

เราจะเริ่มด้วยการนำเข้าไลบรารีที่จำเป็นและโหลดชุดข้อมูล:

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())

เราจะเลือกคุณลักษณะที่เกี่ยวข้องสำหรับการจัดกลุ่ม และปรับข้อมูลให้อยู่ในรูปมาตรฐานหากจำเป็น สำหรับโครงงานนี้ เราจะใช้ รายได้ต่อปี และ คะแนนการใช้จ่าย:

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

เราจะใช้วิธีข้อศอกเพื่อหาจำนวนกลุ่มที่เหมาะสมที่สุด โดยสร้างกราฟผลรวมกำลังสองภายในกลุ่ม (WCSS) สำหรับค่า K ที่แตกต่างกัน:

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()

จากวิธีข้อศอก เราเลือกจำนวนกลุ่มที่เหมาะสมที่สุด (เช่น K=5) และใช้ fit กับโมเดล 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())

เราสามารถสร้างกราฟกลุ่มในพื้นที่สองมิติเพื่อสังเกตการแยกออกจากกันได้:

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()

แต่ละกลุ่มแทนกลุ่มลูกค้าที่มีรูปแบบการใช้จ่ายคล้ายกัน ตัวอย่างเช่น:

• กลุ่มที่ 1: รายได้สูง ใช้จ่ายสูง
• กลุ่มที่ 2: รายได้ต่ำ ใช้จ่ายต่ำ
• กลุ่มที่ 3: รายได้ปานกลาง ใช้จ่ายสูง

แม้การจัดกลุ่มจะมีประสิทธิภาพ แต่การประยุกต์ใช้ในโลกจริงก็เผชิญความท้าทาย เช่น:

• ชุดข้อมูลที่มีหลายมิติ
• ข้อมูลรบกวนหรือข้อมูลไม่ครบถ้วน
• การตีความผลลัพธ์ของกลุ่มให้มีความหมาย

ในโครงงานนี้ เราได้:

• สำรวจชุดข้อมูลจากโลกจริง
• ใช้การจัดกลุ่มแบบเคมีนส์และแสดงภาพผลลัพธ์
• ตีความกลุ่มต่าง ๆ เพื่อทำความเข้าใจพฤติกรรมของลูกค้า

ถัดไป เราจะเรียนรู้เทคนิคการลดมิติ เช่น PCA และ t-SNE