Science des données
Dépôt GitHubSegmentation des clients d'un centre commercial
Explorer des groupes de clients avec des analyses reproductibles, des rapports comparables et un tableau de bord interactif.
Résumé
Le projet analyse les groupes de clients avec K-Means et PCA et maintient les parcours Python et R reproductibles. Les rapports documentent l'analyse; FastAPI et React permettent de l'exécuter et de l'examiner dans le navigateur.
Des données clients aux segments interprétables
Données
Les attributs clients entrent dans le parcours
Préparation
Python et R nettoient et normalisent
Clustering
K-Means et PCA révèlent les groupes
Rapports
Les résultats générés documentent chaque analyse
Tableau de bord
L'interface exécute et présente les résultats
Ce que le système prend en charge
Relie clustering, PCA, rapports comparatifs et tableau de bord web.
Technologie
Stack
Domaines
Conclusions
- K-Means et PCA rendent les groupes interprétables sous plusieurs angles.
- Les rapports Python et R soutiennent des comparaisons reproductibles.
- Le tableau de bord transforme l'analyse en parcours exécutable.
Vous souhaitez examiner l'implémentation ?
Le dépôt contient le code source, les instructions d'installation et l'historique du développement.