-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy path군집분석_R파일.R
311 lines (231 loc) · 11.5 KB
/
군집분석_R파일.R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
# ----------------------------------------------------------------------------------
# seed를 고정한 후, 군집분석 시행
set.seed(123)
data <- read.csv("C:/Amazon/amazon_preprocessed.csv")
# ---- 1번째 분석 -> 구매 물품 종류 Purchase category별로 고객 데이터를 나누어 클러스터링.
data <- subset(data, select = -Improvement_Areas)
data <- subset(data, select = -Purchase_Frequency)
data <- subset(data, select = -Browsing_Frequency)
data <- subset(data, select = -Personalized_Recommendation_Frequency_Purchase)
data <- subset(data, select = -Personalized_Recommendation_Frequency)
data <- subset(data, select = -Recommendation_Helpfulness)
data <- subset(data, select = -Shopping_Satisfaction)
data <- subset(data, select = -X)
# 데이터의 표준화 => 삭제 : 더미변수화 된 변수는 표준화하지 않습니다
# data_scaled <- data.frame(scale(data))
# 적절한 군집 수를 추정(엘보우 기법) => Elbow Method를 수행하는 패키지가 있어 이를 추가하였습니다
library(factoextra)
fviz_nbclust(data, kmeans, method = "wss")
# 3 => 4 새로운 패키지 결과에 따라 군집수 4가 적절하다 판단되어 수정하였습니다
km <- kmeans(data, centers=4, nstart=10)
# 군집 당 사이즈
km$size
# 각각의 열이 어떤 군집에 할당되었는지를 보여 준다.
km$cluster
# 각 군집 중앙값
km$centers
# dplyr 패키지 로드
library(dplyr)
# 군집 결과를 데이터 프레임에 추가.
data_clustered <- data.frame(data, Cluster = km$cluster)
# 원래의 데이터 프레임을 다시 불러와 'Improvement_Areas' 열을 추가.
original_data <- read.csv("C:/Amazon/amazon_preprocessed.csv")
data_with_improvement <- cbind(data_clustered, Improvement_Areas = original_data$Improvement_Areas)
# 각 군집 내에서 'Improvement_Areas' 값의 빈도수를 계산
improvement_freq <- data_with_improvement %>%
group_by(Cluster, Improvement_Areas) %>%
summarise(Frequency = n()) %>%
arrange(Cluster, desc(Frequency))
# 각 군집 내에서 가장 빈번한 'Improvement_Areas' 값 ?
most_frequent_improvement <- improvement_freq %>%
group_by(Cluster) %>%
slice(which.max(Frequency))
# 결과 분석
print(most_frequent_improvement)
#####################################################################################
# 엑셀파일 만드는 코드입니다.
# library(writexl)
# write_xlsx(data_with_improvement, path = "C:/Amazon/1data_with_improvement.xlsx")
#####################################################################################
# -----------------------------------------------------------------------------------
# ---- 2번째 분석 -> 추천 내용이 도움이 된 경험 별로 고객 데이터를 나누어 클러스터링
# seed를 고정한 후, 군집분석 시행
set.seed(123)
data <- read.csv("C:/Amazon/amazon_preprocessed.csv")
data <- subset(data, select = -Improvement_Areas)
data <- subset(data, select = -age)
data <- subset(data, select = -Gender_Male)
data <- subset(data, select = -Gender_Female)
data <- subset(data, select = -Gender_None)
data <- subset(data, select = -Purchase_Categories_Beauty_and_Personal_Care)
data <- subset(data, select = -Purchase_Categories_Clothing_and_Fashion)
data <- subset(data, select = -Purchase_Categories_Groceries_and_Gourmet_Food)
data <- subset(data, select = -Purchase_Categories_Home_and_Kitchen)
data <- subset(data, select = -X)
# 데이터의 표준화
data_scaled <- data.frame(scale(data))
# 적절한 군집 수를 추정(엘보우 기법) --> 4개의 군집 => 마찬가지로 패키지 함수로 수정하였으나 군집수에는 차이가 없습니다
library(factoextra)
fviz_nbclust(data, kmeans, method = "wss")
km <- kmeans(data, centers=4, nstart=10)
# 군집 당 사이즈
km$size
# 각각의 열이 어떤 군집에 할당되었는지를 보여 준다.
km$cluster
# 각 군집 중앙값
km$centers
# dplyr 패키지 로드
library(dplyr)
# 군집 결과를 데이터 프레임에 추가.
data_clustered <- data.frame(data, Cluster = km$cluster)
# 원래의 데이터 프레임을 다시 불러와 'Improvement_Areas' 열을 추가.
original_data <- read.csv("C:/Amazon/amazon_preprocessed.csv")
data_with_improvement <- cbind(data_clustered, Improvement_Areas = original_data$Improvement_Areas)
# 각 군집 내에서 'Improvement_Areas' 값의 빈도수를 계산
improvement_freq <- data_with_improvement %>%
group_by(Cluster, Improvement_Areas) %>%
summarise(Frequency = n()) %>%
arrange(Cluster, desc(Frequency))
# 각 군집 내에서 가장 빈번한 'Improvement_Areas' 값 ?
most_frequent_improvement <- improvement_freq %>%
group_by(Cluster) %>%
slice(which.max(Frequency))
# 결과
print(most_frequent_improvement)
# write_xlsx(data_with_improvement, path = "C:/Amazon/2data_with_improvement.xlsx")
# -----------------------------------------------------------------------------------
# ---- 3번째 분석 -> 상품 추천이 유용하지 않은 사람을 대상으로 클러스터링하여 마케팅 및 추천 알고리즘 향상이 필요한 제품 카테고리 식별
# seed를 고정한 후, 군집분석 시행
set.seed(123)
data <- read.csv("C:/Amazon/amazon_preprocessed.csv")
data <- subset(data, select = -Improvement_Areas)
data <- subset(data, select = -age)
data <- subset(data, select = -Gender_Male)
data <- subset(data, select = -Gender_Female)
data <- subset(data, select = -Gender_None)
data <- subset(data, select = -Browsing_Frequency)
data <- subset(data, select = -X)
# 더미변수화된 변수는 스케일링하지 않습니다
onehotencoded.col = c("Purchase_Categories_Beauty_and_Personal_Care",
"Purchase_Categories_Clothing_and_Fashion",
"Purchase_Categories_Groceries_and_Gourmet_Food",
"Purchase_Categories_Home_and_Kitchen")
# 서열변수는 스케일링을 수행합니다
data.onehotencdoed.col = data[, onehotencoded.col]
scaling.col = c("Purchase_Frequency",
"Personalized_Recommendation_Frequency_Purchase","Personalized_Recommendation_Frequency",
"Recommendation_Helpfulness","Shopping_Satisfaction")
data.scaling.col = data[, scaling.col]
data.scaling.col.scaled = scale(data.scaling.col)
# 데이터의 표준화
data_scaled = data.frame(data.onehotencdoed.col, data.scaling.col.scaled)
# 마찬가지로 패키지 함수로 수정하였으나 군집수에는 차이가 없습니다
library(factoextra)
fviz_nbclust(data, kmeans, method = "wss")
km <- kmeans(data, centers=5, nstart=10)
# 군집 당 사이즈
km$size
# 각각의 열이 어떤 군집에 할당되었는지를 보여 준다.
km$cluster
# 각 군집 중앙값
km$centers
# dplyr 패키지 로드
library(dplyr)
# 군집 결과를 데이터 프레임에 추가.
data_clustered <- data.frame(data, Cluster = km$cluster)
# 원래의 데이터 프레임을 다시 불러와 'Improvement_Areas' 열을 추가.
original_data <- read.csv("C:/Amazon/amazon_preprocessed.csv")
data_with_improvement <- cbind(data_clustered, Improvement_Areas = original_data$Improvement_Areas)
# 각 군집 내에서 'Improvement_Areas' 값의 빈도수를 계산
improvement_freq <- data_with_improvement %>%
group_by(Cluster, Improvement_Areas) %>%
summarise(Frequency = n()) %>%
arrange(Cluster, desc(Frequency))
# 각 군집 내에서 가장 빈번한 'Improvement_Areas' 값 ?
most_frequent_improvement <- improvement_freq %>%
group_by(Cluster) %>%
slice(which.max(Frequency))
# 결과
print(most_frequent_improvement)
# 밑에는 엑셀파일 만드는 코드입니다.
# write_xlsx(data_with_improvement, path = "C:/Amazon/3data_with_improvement.xlsx")
# -------------------------------------------------------------------------------------
# ---- 4번째 분석 -> [인구통계학적 특성]만을 고려하여 군집을 나누고, 어떤 영역의 향상을 원하는지를 식별
# seed를 고정한 후, 군집분석 시행
set.seed(123)
data <- read.csv("C:/Amazon/amazon_preprocessed.csv")
# ??????> data <- read.csv("D:/대학/강의/4-1/조사방법론/tf2/amazon_preprocessed.csv")
data <- subset(data, select = -Purchase_Categories_Beauty_and_Personal_Care)
data <- subset(data, select = -Purchase_Categories_Clothing_and_Fashion)
data <- subset(data, select = -Purchase_Categories_Groceries_and_Gourmet_Food)
data <- subset(data, select = -Purchase_Categories_Home_and_Kitchen)
data <- subset(data, select = -Browsing_Frequency)
data <- subset(data, select = -Purchase_Frequency)
data <- subset(data, select = -Personalized_Recommendation_Frequency_Purchase)
data <- subset(data, select = -Personalized_Recommendation_Frequency)
data <- subset(data, select = -Recommendation_Helpfulness)
data <- subset(data, select = -Shopping_Satisfaction)
data <- subset(data, select = -Improvement_Areas)
data <- subset(data, select = -X)
# 데이터의 표준화 => 성별에는 scaling을 수행하지 않으며 연령에 대하여만 수행합니다
data$age <- data.frame(scale(data$age))
data_scaled = data
# dist_eucl <- dist(data_scaled, method="euclidean")
# 마찬가지로 패키지 함수로 수정하였으며 군집수는 5가 적절한 것으로 보입니다
library(factoextra)
fviz_nbclust(data, kmeans, method = "wss")
km <- kmeans(data, centers=5, nstart=10)
# 군집 당 사이즈
km$size
# 각각의 열이 어떤 군집에 할당되었는지를 보여 준다.
km$cluster
# 각 군집 중앙값
km$centers
# dplyr 패키지 로드
library(dplyr)
# 군집 결과를 데이터 프레임에 추가.
data_clustered <- data.frame(data, Cluster = km$cluster)
# 원래의 데이터 프레임을 다시 불러와 'Improvement_Areas' 열을 추가.
original_data <- read.csv("C:/Amazon/amazon_preprocessed.csv")
data_with_improvement <- cbind(data_clustered, Improvement_Areas = original_data$Improvement_Areas)
# 각 군집 내에서 'Improvement_Areas' 값의 빈도수를 계산
improvement_freq <- data_with_improvement %>%
group_by(Cluster, Improvement_Areas) %>%
summarise(Frequency = n()) %>%
arrange(Cluster, desc(Frequency))
# 각 군집 내에서 가장 빈번한 'Improvement_Areas' 값 ?
most_frequent_improvement <- improvement_freq %>%
group_by(Cluster) %>%
slice(which.max(Frequency))
# 결과
print(most_frequent_improvement)
# 하단의 코드는 제가 코드를 모두 해석할 수 없어 임의로 작성한 코드입니다
# 혹여나 참고하실 때 도움이 될까 하여 첨부합니다
data <- read.csv("C:/Amazon/amazon_preprocessed.csv")
set.seed(123)
head(data, 1)
unique(data$Recommendation_Helpfulness)
#========================1 Purchase Categories==================================
data <- read.csv("C:/Amazon/amazon_preprocessed.csv")
# clustering 대상 col
pur.categories = c("Purchase_Categories_Beauty_and_Personal_Care",
"Purchase_Categories_Clothing_and_Fashion",
"Purchase_Categories_Groceries_and_Gourmet_Food",
"Purchase_Categories_Home_and_Kitchen")
data.pur.categories = data[, pur.categories]
# interpret 대상 col
personal = c("age", "Gender_Male", "Gender_Female", "Gender_None", "Purchase_Frequency", "Shopping_Satisfaction")
data.personal = data[,personal]
library(factoextra)
fviz_nbclust(data.pur.categories, kmeans, method = "wss")
km = kmeans(data.pur.categories, centers = 5, nstart = 100)
library(cluster)
clusplot(x=data.pur.categories, clus=km$cluster, color=T, shade=T, labels=5, lines=0)
km$size
km$centers;
# km$cluster
data.analysis = data.frame(data.personal, data.pur.categories, km$cluster)
cluster_means = data.analysis %>%
group_by(km.cluster) %>%
summarise(across(everything(), mean, na.rm = TRUE))
cluster_means