군집평가 지표

   [ 목차 ]

 

 

실루엣 계수

비지도 학습 특성 상 답이 없이 때문에 그 평가를 하긴 쉽지 않습니다. 다만, 군집화가 잘되어 있다는 것은 다른 군집간의 거리는 떨어져 있고 동일한 군집끼리는 가까이 있다는 것을 의미함

 

이를 정량화 하기 위해 실루엣 분석(silhouette analysis)이란 간 군집 간의 거리가 얼마나 효율적으로 분리되어 있는지 측정합니다. 수식은 다음과 같지만 그냥 이해하는 용도로 !

• 실루엣 계수

• $a(i)$ : 데이터 포인트 $i$ 과 같은 군집에 속한 다른 포인트들과의 평균 거리
• $b(i)$ : 데이터 포인트 $i$ 와 가장 가까운 다른 군집 간의 평균 거리
• 해석: 1로 갈수록 잘 군집화 되어 있음. -1에 가까울수록 잘 못 군집화 되어 있다

수식을 해석해보자면 특정한 데이터 i의 실루엣 계수는 얼마나 떨어져있는가
(b($i$)-a($i$))가 클 수록 크며, 이를 단위 정규화를 위해 a($i$), b($i$) 값 중에 큰 값으로 나눔

 

• 좋은 군집화의 조건
  • 실루엣 값이 높을수록(1에 가까움)
  • 개별 군집의 평균 값의 편차가 크지 않아야 함
• Python 라이브러리
  • sklearn.metrics.sihouette_score : 전제 데이터의 실루엣 계수 평균 값 반환
    • 함수 입력 값
      • X : 데이터 세트
      • labels : 레이블
      • metrics : 측정 기준 기본은 euclidean

(실습)붓꽃 데이터를 이용한 군집화

비지도 학습으로 ~!

 

고객 세그멘테이션의 정의

비지도 학습이 가장 많이 사용되는 분야는 고객 관계 관리(Customer Relationship Management, CRM)분야 입니다. 이중 고객 세그멘테이션(Customer Segmentation)은 다양한 기준으로 고객을 분류하는 기법입니다. 주로 타겟 마케팅이라 불리는 고객 특성에 맞게 세분화 하여 유형에 따라 맞춤형 마게팅이나 서비스를 제공하는 것을 목표로 둡니다.

• RFM의 개념
  • Recency(R) 가장 최근 구입 일에서 오늘까지의 시간
  • Frequency(F): 상품 구매 횟수
  • Monetary value(M): 총 구매 금액

EDA → 데이터전처리(결측치 삭제,확인) → RFM 기반 데이터 가공 → 고객 세그멘테이션 → 평가