Cluster Analysis - Fusion Solution

บทที่ 22-Cluster Analysis

วิธีการทำ Clustering หรือ Cluster Analysis ของข้อมูล Call Center ด้วย AzureML

Clustering เป็นโมเดลประเภท Unsupervised Learning โดยเป็นโมเดลที่ใช้ในการจัดกลุ่ม ซึ่งสามารถจัดกลุ่มลูกค้า หรือกลุ่มของสิ่งต่าง ๆ ที่เราต้องการเพื่อสร้างกลยุทธ์ที่จะนำมาใช้กับกลุ่มต่าง ๆ หรือแม้แต่การค้นหากลุ่มที่มีความแตกต่างในฐานข้อมูลลูกค้า โดยข้อมูลหรือ object ที่เป็นกลุ่มเดียวกันเราจะเรียกว่า cluster ซึ่งข้อมูลอยู่ในกลุ่มเดียวกันจะมีลักษณะที่เหมือนกัน

ซึ่งข้อมูลที่เรานำมาทำ Clustering ในวันนี้คือข้อมูล Call Center ที่เราต้องการแบ่งกลุ่มของ data set นี้ออกเป็น 4 กลุ่มเพื่อจะได้นำไปสร้างกลยุทธ์ให้เหมาะสมกับลูกค้าในแต่ละกลุ่ม ข้อมูลเราจะมีทั้งหมด 111 แถว 2 คอลัมน์คือ Experience in months และ Call Attended in a day โดยวิธีการ Clustering ที่เราจะใช้คือ K-means Clustering ซึ่งมีวิธีการดังนี้

ลากข้อมูล Call Center ที่เราต้องการมาไว้บน Workspace
จากนั้นค้นหา module ที่ชื่อว่า K-means Clustering ซึ่งค่า Parameter แต่ละตัวมีความหมายดังนี้
- Create trainer mode
  - Single Parameter : ระบุ set ของค่าเฉพาะ
  - Parameter Range : ระบุค่าเฉพาะหลายค่าและรับ set ที่เหมาะสมที่สุดสำหรับกำหนดค่า
- Number of Centroids: จำนวนกลุ่มที่เราต้องการจะแบ่ง
- Initialization
  - Random : สุ่มจุดข้อมูลแบบ placement ลงใน clusters
  - First N or Forgy Method : สุ่มจุดข้อมูลแรก
  - K-means++ : เริ่มต้นด้วยการปรับปรุงการค้นหาวิธีเริ่มต้น
  - K-means++ Fast : เหมาะสำหรับการ cluster ที่เร็วขึ้น
  - Evenly
  - Use Label Column : ใช้การ Label Column
- Random number seed : เราสามารถใส่เลขอะไรก็ได้เพื่อให้การสุ่มในทุก ๆ ครั้งได้เลขเดิมโดยในที่นี่เราจะใส่ 123
- Metric : วิธีการที่ใช้ในคำนวณระยะระหว่างจุด Centroids กับจุดอื่น
  - Euclidean : K-Means Algorithm ใช้ตัวนี้
  - Cosine
- Iterations : จำนวนการทำซ้ำหรือจำนวนครั้งที่เราต้องการ RUN ข้อมูลของเรา
- Assign Label Mode
  - Ignore label column : ค่าใน label column จะถูกละเว้นและไม่ได้ใช้ในการสร้างแบบจำลอง
  - Fill missing values : fill missing ค่า label column ใช้ feature เพื่อช่วยสร้าง Clusters และหากแถวใดไม่มี label ใดค่าจะถูกกำหนดโดยใช้ feature อื่น ๆ
  - Overwrite from closest to center : ค่า label column จะถูกแทนที่ด้วยค่า label column ที่มาจากการคาดการณ์ โดยใช้ Lebel จุดที่ใกล้เคียงกับจุด Centroids ปัจจุบันของเราที่สุด

เนื่องจากข้อมูลของเราไม่มี label column เราจึงกำหนดค่า parameter ดังนี้

Create trainer mode : Single Parameter
Number of Centroids : 4
Initialization : K-means++
Random number seed : 123
Metric : Euclidean
Iterations : 100 Assign Label Mode : Ignore label column

ค้นหา module ที่ชื่อว่า Train Clustering Model จากนั้นลากเส้นเชื่อมจาก K-means มาที่วงกลมวงแรกและลากเส้นเชื่อมจาก Call Center มาที่วงที่สองและเลือกคอลัมน์ทั้งสองคอลัมน์ จากนั้นคลิก RUN

จากนั้นคลิกขวาที่วงกลมด้านล่างวงที่สองของ Train Clustering Model แล้วเลือก visualize เราจะเห็นว่าเราจะได้กราฟที่ข้อมูลถูกแบ่งเป็น 4 กลุ่มแล้วแต่ยังไม่ทราบข้อมูลแต่ละกลุ่ม

นำ module ที่ชื่อว่า Select column in dataset มาเชื่อมกับ Train Clustering Model วงกลมล่างวงที่สอง จากนั้นเลือกทุกคอลัมน์แล้วคลิก RUN

Visualize ดูข้อมูลของเราเราจะเห็นคอลัมน์ที่ชื่อว่า Assignments ซึ่งก็คือ cluster number ที่แยกข้อมูลออกเป็นกลุ่มให้เราเรียบร้อยแต่เรายังไม่รู้ว่าแต่ละกลุ่มมีลักษณะอย่างไรบ้างเพื่อให้วางแผนกลยุทธ์ต่อไป

เราจะทำการแยกข้อมูลแต่ละกลุ่มออกจากกันโดยใช้ Split Data จากนั้นเลือก Splitting mode เป็น Relative Expression แล้วพิมพ์ \”Assignments” < 1 เพื่อดูเฉพาะข้อมูลกลุ่มที่ 0 จากนั้นคลิก RUN

โดยข้อมูลที่ visualize ได้จากวงกลมแรกจะเป็นกลุ่มที่ 0 ที่เราต้องการ ส่วนวงที่สองจะเป็นกลุ่มอื่นที่เรายังไม่ได้แยก

ทำเช่นเดียวกับข้อ 7 แต่เปลี่ยนเป็น \”Assignments” < 2, 3, 4 ตามลำดับ จากนั้นคลิก RUN เราจะได้ข้อมูลแยกตามแต่ละกลุ่มแล้วค่ะ

หากเราต้องการทราบ performance ของการ Clustering เราสามารถทำได้โดย

นำข้อมูล CallCenter มาวางบน Workspace จากนั้นนำ module ที่ชื่อ Split Data มาเชื่อมกับ dataset ของเราโดยตั้งค่า parameter ดังนี้
- Splitting mode : Split Rows
- Fraction of rows in the first output dataset : 0.7
- Random seed : 123 Stratified split : False
จากนั้นค้นหา module ที่ชื่อว่า K-means Clustering ซึ่งค่า Parameter จะตั้งค่าเหมือนกันกับวิธีการก่อนหน้า
ค้นหา module ที่ชื่อว่า Train Clustering Model จากนั้นลากเส้นเชื่อมจาก K-means มาที่วงกลมวงแรกและลากเส้นเชื่อมจาก Split Data มาที่วงที่สองและเลือกคอลัมน์ทั้งสองคอลัมน์

ค้นหา module ที่ชื่อว่า Assign Data to Clusters จากนั้นลากเส้นเชื่อมจาก Train Clustering Model มาที่วงกลมวงแรก และจาก Spilt Data มาที่วงที่สอง

จากนั้นค้นหา module ที่ชื่อว่า Evaluate Model มาวางบน Workspace แล้วลากเส้นเชื่อมจาก Score Model มาที่ Evaluate Model เพื่อดูประสิทธิภาพของโมเดลของเรา จากนั้นกด RUN