[삼성 SDS Brightics_개인 분석 프로젝트(3)] 04.고객🛍 특성 분석 with K-means 군집화

안녕하세요!

​

여러분은 쇼핑할 때 어떤 것을

자주 구매하시나요?

 

저 같은 경우에는

커피 & 옷 & 화장품이

저의 통장을 텅장으로 만들어버리죠...ㅎㅎ

​

사실 구매목록이라는 건

관심사에 따라 소비자별로

차이가 있잖아요!

​

그렇다면 기업의 경우에는

소비자의 특성을 파악해서

물품 별로 타깃을 정확히 설정하는 게 좋겠죠?

​

그래서 이번 포스팅에서는

K-means 군집화 알고리즘을 활용하여

Customer Personality Analysis 데이터를

분석해보겠습니당~

​

 

​

먼저, 데이터는 다음 링크에서

다운로드하실 수 있습니다!

↓↓↓

Customer Personality Analysis 데이터

​

브라이틱스 스튜디오를 켜고 데이터를 로드해보면

매우 많은 열들이 나오죠! ㅎㅎ

 

 

무려 30개!!

​

(네..저도 당황스럽네요 ㅎㅎ)

​

이제 아래와 같이

데이터의 features을 간단히 살펴보았습니다!

 

 

 

​

자 이제 Data Cleaning 과정을 거칠 건데요!

​

위와 같은 과정들을 통해

Modeling에 적합한 데이터로 변형할 예정입니다!

​

📍결측값 처리

먼저 Profile Table 함수를 활용하여

결측값이 존재하는지 확인해보았습니다!

 

그 결과 Income 열에서 24개의 결측값이 발견되었어요!

​

그래서 Replace Missing Number 함수로

결측값을 중앙값(Median)으로 대체하였습니다~

 

​

📍파생 변수 생성

이제 Add Function Columns 함수를 사용하여

파생 변수를 만들어볼 차례인데요!

아래와 같이 데이터를 효율적으로 사용할 수 있도록

파생 변수를 만들어보았습니다!

 

 

(+참고로 이 함수에서는 Expression Type이 SQLite 형태만 지원합니다!)

​

그다음에 추가한 파생 변수를 토대로

Select Column 함수를 활용하여

필요한 열들만 선택하였습니다!

그 후 다시 Add Function Columns 함수를 활용하여

Education과 Marital_Status를 숫자형 데이터로 변경하였습니다!

​

Education의 경우

Basic=0, Graduate=1, Master=2, PhD=3가 되도록 변형하였고,

Marital_Status의 경우

Single=0, Together=1이 되도록 변형하였습니다!

​

📍이상값 처리

이번에는 age와 income의 box plot을 통해서

이상값을 처리하려고 합니다!

​

Filter 함수를 통해서

Income은 120000 미만이고,

Age는 90 미만이 되도록 하였습니다~✨

 

그다음에는 Select Column을 사용하여

아까와 같이 열 이름을 간단하게 수정하고,

사용할 열들만 선택하였습니다~

휴~~!

 

드디어 Data Cleaning이 끝났네요~~

Yeah~~

​

여기서부터는 아래와 같은 과정을 거칠 건데요!

​

📍Normalization

각 열이 단위가 다 다르기 때문에

Normalization 함수의 StandardScaler를

활용하여 표준화하였습니다!

 

​

📍PCA

그다음에는 차원을 축소해보도록 할게요!

저는 Number of Components를 3으로 설정하였습니다!

 

​

📍K-Means (Silhouette)

이제 대망의 K-Means 군집화 알고리즘을

사용할 차례인데요~

 

K-Means 군집화와 실루엣 계수에 대하여

조금 더 자세히 알아보도록 합시다~

​

먼저 "군집화"라는 것은

비슷한 속성을 가진 데이터들끼리 묶는 것을

의미하는데요!

​

그중에서도 K-Means 군집화 알고리즘은

각 데이터로부터 그 데이터가 속한 클러스터의 중심까지의 평균거리를

최소화하는 것을 목표로 합니다!

​

실루엣 계수는 아래 설명을 참고해주세요~

---

자! 이제 직접 K-Means 함수를 활용하여

군집화를 해보겠습니다~

​

저는 차원 축소를 한 데이터들을 활용하여

Number of Clusters Set이 2, 3, 4,5 ,6일 때의

결과를 얻어보았어요~

짜잔✨

최적의 군집화 개수는 2개로 나타났어요~

왼쪽 그래프는 군집들이 모여있는 점을 표현한 것이고,

오른쪽 그래프는 군집별 실루엣 계수를 나타낸 것입니다!

​

이제 군집화된 결과를 토대로

보고서를 작성하고 Insight를 도출해보았어요!

​

Brightics Studio의 Report 기능을 사용하면

이렇게 시각화된 결과들을 정리하고,

pdf로 저장도 가능하답니다!

(최고최고!!👍🏻)

 

결과를 종합해보면~~

먼저, Cluster 0과 Cluster 1는 공통적으로

고객의 연령대가 골고루 퍼져있네요!

​

📍Cluster 0은 소비와 지출이 둘 다 많은 편입니다!

또한, 대부분 가정에 아이가 없거나 1명이며

부모가 아닐 확률이 높습니다.

​

📍Cluster 1은 소비와 지출이 둘 다 적은 편입니다!

대부분 가정에 1명 이상의 아이가 있으며

부모일 확률이 높습니다.

​

이렇게 군집화를 활용한 고객 특성 분석 프로젝트가

끝이 났습니다~~!

 

 

긴 포스팅 읽어주셔서 감사합니다!

​

다음 포스팅도 알차게 데리고 올게요~~

안녕!!

​

※ 본 포스팅은 삼성SDS Brightics 서포터즈 3기 활동의 일환으로 작성하였습니다.

​

#삼성SDSBrightics #BrighticsStudio #브라이틱스 #모델링 #데이터분석

#Brightics서포터즈 #브라이틱스서포터즈 #군집화 #군집화알고리즘 #K-Means

#K-Means군집화 #EDA