customer_segmentation

可视化聚类个数的效率

参考lazappi

suppressMessages(library(tidyverse))
library(data.table)

## 
## Attaching package: 'data.table'

## The following objects are masked from 'package:dplyr':
## 
##     between, first, last

## The following object is masked from 'package:purrr':
## 
##     transpose

label <- fread("data/clustree/datamart_rfmt_label.csv",drop = 1,header = T)
data <- fread("data/clustree/datamart_rfmt_normalized.csv",drop = 1)
label <- 
    label %>% 
    set_names(
        paste0('K',1:10)
    )

pc <- 
    data %>% 
    select(Recency:Tenure) %>% 
    prcomp() %>% 
    predict() %>% 
    as.data.frame()

data_cb <- bind_cols(data,label,pc)

library(clustree)

## Loading required package: ggraph

overlay_list <- clustree_overlay(data_cb, prefix = "K", x_value = "PC1",
                                 y_value = "PC2", plot_sides = TRUE)

names(overlay_list)

## [1] "overlay" "x_side"  "y_side"

#> [1] "overlay" "x_side"  "y_side"

overlay_list$x_side

1. 其实这里会发现，3个和4个的分类模糊不清，因此聚类确定在4个以下就差不多了。
2. 并且，中间有一束，非常集中，大多数分类都在那个位置重叠，会导致聚类效果很差。

并且这里的 K 序列实际上可以换成不同的方法比较，比如

1. K1 代表 简单处理的结果
2. K2 代表 KMEANS
3. K3 代表 t-SNE 做的处理

最后比较几种方法的差异，在实际过程中，应该差异不大，因此可以作为拒绝使用复杂模型的证据。 并且，这也可以说，用户分群，应该从简单方法入手，只要复杂模型没有提供更高的效率，可以使用简单模型。 越简单的模型，稳定性越高。