README.md

Mall Customers Clustering Analysis

Este projeto realiza a análise e segmentação de clientes de um shopping com base no comportamento de gastos e dados demográficos. O objetivo é identificar grupos de clientes similares para auxiliar em campanhas de marketing direcionadas e outras decisões comerciais.

Estrutura do Projeto

A estrutura do projeto está organizada em diretórios para dados, notebooks de análise e relatórios finais:

.
├── data
│   ├── clean.csv               # Dados processados, prontos para modelagem
│   └── Mall_Customers.csv       # Dataset original
├── notebooks
│   ├── eda.ipynb                # Notebook de Análise Exploratória dos Dados (EDA)
│   └── models.ipynb             # Notebook de Modelagem e Agrupamento (Clustering)
└── reports
    ├── report_eda.md            # Relatório detalhado da EDA
    └── report_models.md         # Relatório detalhado dos modelos de agrupamento

Conteúdo do Projeto

1. Dados

• Mall_Customers.csv: Arquivo original com informações de clientes, incluindo CustomerID, Genre, Age, Annual Income (k$) e Spending Score (1-100).
• clean.csv: Dados processados após a EDA, com as colunas renomeadas e CustomerID removido, pronto para aplicação dos modelos de clustering.

2. Análise Exploratória de Dados (EDA)

O notebook eda.ipynb realiza a análise inicial dos dados, incluindo:

• Carregamento e inspeção dos dados
• Análise de valores nulos, duplicados e outliers
• Transformações nas variáveis para padronização, como conversão de gêneros e renomeação de colunas
• Visualizações de distribuições e análise de correlações

O relatório da EDA pode ser encontrado em reports/report_eda.md.

3. Modelagem de Agrupamento (Clustering)

O notebook models.ipynb contém a aplicação de diferentes técnicas de agrupamento nos dados:

• K-Means: Utilizado em dados normalizados e não normalizados, com diferentes números de clusters e análise do método Elbow.
• Hierarchical Clustering: Aplicado para avaliar a estrutura hierárquica dos dados, com visualização de dendrograma.
• DBSCAN: Algoritmo baseado em densidade, útil para identificar clusters de forma arbitrária e detectar pontos ruidosos.
• MeanShift: Algoritmo de agrupamento que detecta automaticamente o número de clusters ideal.

O relatório dos modelos está disponível em reports/report_models.md.

Pré-requisitos

Para rodar este projeto, as seguintes bibliotecas são necessárias:

• pandas
• numpy
• matplotlib
• seaborn
• scikit-learn
• scipy

Resultados e Conclusão

Os modelos de clustering identificaram diferentes perfis de clientes. A segmentação resultante pode ser utilizada para personalizar campanhas de marketing e desenvolver estratégias comerciais mais eficazes.

Referências

• Documentação do scikit-learn
• Tutoriais de clustering com Python e análise exploratória com pandas e seaborn
• Curso Udemy : Machine Learning com Python

---

Autor: Wellington Moreira | LinkedIn
Licença: MIT