Python 자습서: SQL 기계 학습을 사용하여 고객을 분류하는 모델 빌드

적용 대상: SQL Server 2017(14.x) 이상 Azure SQL Managed Instance

4부로 구성된 자습서 시리즈의 3부에서는 Python에서 K-평균 모델을 빌드하여 클러스터링을 수행합니다. 이 시리즈의 다음 파트에서는 SQL Server Machine Learning Services 또는 빅 데이터 클러스터를 사용하여 이 모델을 데이터베이스에 배포합니다.

이 문서에서는 다음을 수행하는 방법을 알아봅니다.

• KI-평균 알고리즘에 대한 클러스터 수 정의
• 클러스터링 수행
• 결과 분석

1부에서는 사전 요구 사항을 설치하고 샘플 데이터베이스를 복원했습니다.

2부에서는 클러스터링을 수행하기 위해 데이터베이스의 데이터를 준비하는 방법을 배웠습니다.

4부에서는 새 데이터를 기준으로 Python에서 클러스터링을 수행할 수 있는 저장 프로시저를 데이터베이스에서 만드는 방법을 알아봅니다.

사전 요구 사항

• 이 자습서의 3부에서는 1부의 사전 요구 사항을 수행하고, 2부의 단계를 완료했다고 가정합니다.

클러스터 수 정의

고객 데이터를 클러스터링하기 위해서는 데이터 그룹화를 위해 가장 잘 알려져 있고 가장 간단한 방법 중 하나인 K-평균 클러스터링 알고리즘을 사용합니다. K-평균에 대한 자세한 내용은 K-평균 클러스터링 알고리즘에 대한 전체 가이드를 참조하세요.

이 알고리즘은 두 가지 입력을 허용합니다. 이 두 가지는 데이터 자체와 생성할 클러스터 수를 나타내는 미리 정의된 숫자인 "k"입니다. 출력은 클러스터 간에 분할된 입력 데이터를 포함하는 k 클러스터입니다.

K-평균의 목적은 동일한 클러스터에 있는 모든 항목이 서로 비슷하고, 다른 클러스터에 있는 항목과는 가능한 한 서로 다르도록 k 클러스터에 항목을 그룹화하는 것입니다.

알고리즘에 사용할 클러스터 수를 결정하려면 추출된 클러스터 수만큼 제곱의 내부 그룹 합계의 플롯을 사용합니다. 사용할 적절한 클러스터 수는 플롯의 굽은 지점 또는 "elbow"에 있습니다.

################################################################################################
## Determine number of clusters using the Elbow method
################################################################################################

cdata = customer_data
K = range(1, 20)
KM = (sk_cluster.KMeans(n_clusters=k).fit(cdata) for k in K)
centroids = (k.cluster_centers_ for k in KM)

D_k = (sci_distance.cdist(cdata, cent, 'euclidean') for cent in centroids)
dist = (np.min(D, axis=1) for D in D_k)
avgWithinSS = [sum(d) / cdata.shape[0] for d in dist]
plt.plot(K, avgWithinSS, 'b*-')
plt.grid(True)
plt.xlabel('Number of clusters')
plt.ylabel('Average within-cluster sum of squares')
plt.title('Elbow for KMeans clustering')
plt.show()

그래프에 따르면 k = 4가 적합한 값으로 보입니다. 이 k 값은 고객을 4개 클러스터로 그룹화합니다.

클러스터링 수행

다음 Python 스크립트에서는 sklearn 패키지의 KMeans 함수를 사용합니다.

################################################################################################
## Perform clustering using Kmeans
################################################################################################

# It looks like k=4 is a good number to use based on the elbow graph.
n_clusters = 4

means_cluster = sk_cluster.KMeans(n_clusters=n_clusters, random_state=111)
columns = ["orderRatio", "itemsRatio", "monetaryRatio", "frequency"]
est = means_cluster.fit(customer_data[columns])
clusters = est.labels_
customer_data['cluster'] = clusters

# Print some data about the clusters:

# For each cluster, count the members.
for c in range(n_clusters):
    cluster_members=customer_data[customer_data['cluster'] == c][:]
    print('Cluster{}(n={}):'.format(c, len(cluster_members)))
    print('-'* 17)
print(customer_data.groupby(['cluster']).mean())

결과 분석

이제 K-평균을 사용하여 클러스터링을 수행했으므로, 다음 단계는 결과를 분석하고 실행 가능한 정보를 찾을 수 있는지 확인하는 것입니다.

이전 스크립트에서 출력된 클러스터링 평균 값 및 클러스터 크기를 조사합니다.

Cluster0(n=31675):
-------------------
Cluster1(n=4989):
-------------------
Cluster2(n=1):
-------------------
Cluster3(n=671):
-------------------

         customer  orderRatio  itemsRatio  monetaryRatio  frequency
cluster
0        50854.809882    0.000000    0.000000       0.000000   0.000000
1        51332.535779    0.721604    0.453365       0.307721   1.097815
2        57044.000000    1.000000    2.000000     108.719154   1.000000
3        48516.023845    0.136277    0.078346       0.044497   4.271237

1부에 정의된 변수를 사용하여 4개의 클러스터 평균이 제공되었습니다.

• orderRatio = 반품 주문 비율(전체 주문 수 대비 부분 또는 전체적으로 반품된 주문 합계 수)
• itemsRatio = 반품 항목 비율(구입한 항목 수 대비 반품된 총 항목 수)
• monetaryRatio = 반품 금액 비율(구입한 금액 대비 반품된 항목의 총 금액)
• frequency = 반품 빈도

K-평균을 사용한 데이터 마이닝에는 결과에 대한 추가 분석 및 각 클러스터에 대한 이해 수준 향상을 위한 추가 단계가 필요한 경우가 많지만, 이를 통해 좋은 효과를 얻을 수 있습니다. 이러한 결과를 해석할 수 있는 몇 가지 방법은 다음과 같습니다.

• 클러스터 0은 활성 상태가 아닌 고객 그룹으로 보입니다(모든 값이 0임).
• 클러스터 3은 반품 비중이 높은 그룹으로 보입니다.

클러스터 0은 명확히 활성 상태가 아닌 고객 세트입니다. 이 그룹에 대해서는 구매 관심을 유발하기 위한 마케팅 노력을 목표로 설정할 수 있을 것입니다. 다음 단계에서는 마케팅 이메일을 보낼 수 있도록 클러스터 0에 해당하는 고객들의 이메일 주소를 데이터베이스에 쿼리합니다.

리소스 정리

이 자습서를 계속 진행할 생각이 없으면 tpcxbb_1gb 데이터베이스를 삭제하세요.

다음 단계

이 자습서 시리즈의 3부에서 다음 단계를 완료했습니다.

• KI-평균 알고리즘에 대한 클러스터 수 정의
• 클러스터링 수행
• 결과 분석

만든 기계 학습 모델을 배포하려면 다음 자습서 시리즈의 4부를 따르세요.

Python 자습서: 클러스터링 모델 배포