[마케팅을 위한 데이터분석2] 클러스터링을 활용한 세분화

클러스터링(Clustering)은 데이터에서 표면상으로는 안 보이는 패턴을 찾을 수 있게 해준다. 

중요한 것은 몇 개의 클러스터가 새분화를 잘 해내는지 찾아내는 것이다. 

클러스터링의 대표적인 방법은 k-means clustering 이 있다. 

k-means clustering 

- group similar data points

- iterative approach (반복적인 접근법)

- Starting point : Randomly selected cluster centers , Variable = you're interested in (location, demographics,,,)

----> revaluate hoe good your random choice was and improve it!

 

 

과정

1. k를 정의한다( elbow method를 활용하여 elbow criterion을 사용)

2. 랜덤으로 k개의 centroids를 정한다(k=4면, 4개의 data point가 랜덤으로 선택되고, 클러스터의 중심으로 할당된다.)

3. 각 점과 centroid에 대한 유클라디안 거리(2점 간 가장 짧은 거리)를 계산한다. 

4. baseline cluster를 정한다.

5. 각 data point가 어느 중심점 (centroid) 와 가장 유사도가 높은지 알아낸다. 그리고 그렇게 찾아낸 중심점으로 각 data point들을 할당한다.

6. 클러스터의 중심점을 다시 계산한다. 즉, 2에서 재할당된 클러스터들을 기준으로 중심점을 다시 계산한다

7. 각 data point의 소속 클러스터가 바뀌지 않을 때까지 2, 3 과정을 반복한다.

8. 데이터 검증(군집분석이 얼마나 잘 이루어졌는지 평가한다)

검증평가방법은 총 2가지이다. 

1 : 분산(variance)이 low, tight하면 data point가 가까이 위치하고 있다는 뜻이다. 

               1-1: 모집단 분포공식(모든 데이터를 수집했다면)

               1-2:표본분산(추정치 생성)

2: Dunn Index로 tightness와 클러스터가 얼마나 먼지 알 수 있다. 

 

 

 

Reference;

마케팅을 위한 데이터 분석 방법론

https://ko.wikipedia.org/wiki/K-%ED%8F%89%EA%B7%A0_%EC%95%8C%EA%B3%A0%EB%A6%AC%EC%A6%98

k-평균 알고리즘 - 위키백과, 우리 모두의 백과사전