Lidya17's picture
Upload README.md with huggingface_hub
ef547d2 verified
|
Raw History Blame Contribute Delete
5.2 kB
metadata
license: mit
library_name: scikit-learn
tags:
  - tabular-classification
  - customer-segmentation
  - scikit-learn

Customer Segment Classifier (Decision Tree)

Model klasifikasi multikelas yang memprediksi customer_segment (Consumer, Premium, VIP, Business) dari profil pelanggan e-commerce. Dibuat sebagai proyek mata kuliah Business Data Science (MN1135), Program Studi Manajemen.

Catatan jujur: pada dataset ini, fitur yang tersedia hampir tidak memuat informasi tentang segmen. Performa model hanya setara tebakan acak (lihat bagian Performa dan Keterbatasan). Model ini dipublikasikan sebagai bukti alur deployment, bukan sebagai alat pengambil keputusan.

Dataset

Jenis tugas

Klasifikasi multikelas (4 kelas). Metrik utama: F1-score macro, karena kelas target timpang.

Fitur input

Fitur Tipe Keterangan
customer_age integer Usia pelanggan, 18–74
gender kategorikal Female / Male / Non-Binary
customer_city kategorikal 15.555 kota unik
customer_state kategorikal 38 negara bagian/provinsi
customer_country kategorikal 7 negara (Australia, Canada, Germany, India, UAE, UK, USA)
region kategorikal Central, East, North, South, West
customer_postal_code integer Kode pos
customer_acquisition_cost float Biaya akuisisi pelanggan, 5,01–79,99

Fitur kategorikal di-One-Hot Encoding dengan drop_first=True; urutan kolom disimpan di feature_names.joblib.

Performa pada data uji (5.000 baris, 20% data)

Metrik Nilai
F1-score (macro) 0.2471
Precision (macro) 0.2472
Recall (macro) 0.2471
Accuracy 0.3716

Pembanding: selalu menebak "Consumer" menghasilkan accuracy 0,5456; tebakan acak sesuai proporsi menghasilkan F1 macro sekitar 0,25.

Berkas dalam repository

Berkas Isi
model_segmen.joblib Model Decision Tree hasil tuning
scaler.joblib StandardScaler (dilatih pada customer_age dan customer_acquisition_cost)
feature_names.joblib Daftar dan urutan kolom setelah encoding
metadata.joblib Kolom numerik/kategorikal, versi scikit-learn, parameter, label kelas, dan metrik
requirements.txt Pustaka yang diperlukan; versi scikit-learn dikunci ke 1.6.1
app.py Aplikasi Gradio untuk mencoba model lewat peramban

Model dilatih dengan scikit-learn 1.6.1. Pasang versi yang sama (pip install -r requirements.txt) agar tidak muncul InconsistentVersionWarning saat memuat model.

Cara memuat dan memakai

import joblib, pandas as pd
from huggingface_hub import hf_hub_download

repo_id = "Lidya17/customer-segment-model"
model    = joblib.load(hf_hub_download(repo_id, "model_segmen.joblib"))
scaler   = joblib.load(hf_hub_download(repo_id, "scaler.joblib"))
fitur    = joblib.load(hf_hub_download(repo_id, "feature_names.joblib"))
meta     = joblib.load(hf_hub_download(repo_id, "metadata.joblib"))

contoh = {"customer_age": 54, "gender": "Female", "customer_city": "Laurenland",
          "customer_state": "Dubai", "customer_country": "UAE", "region": "South",
          "customer_postal_code": 11253, "customer_acquisition_cost": 13.58}

baris = pd.DataFrame(0.0, index=[0], columns=fitur)
for k, v in contoh.items():
    if k in baris.columns:
        baris.loc[0, k] = v                      # fitur numerik
    elif f"{k}_{v}" in baris.columns:
        baris.loc[0, f"{k}_{v}"] = 1.0         # fitur kategorikal (one-hot)

pred = int(model.predict(baris)[0])
print(meta["label_kelas"][str(pred)])

Kategori yang tidak dikenal (misalnya kota baru) dibiarkan bernilai 0 pada semua kolom kota.

Menjalankan aplikasi

pip install -r requirements.txt
python app.py

Aplikasi menerima nilai mentah (umur, gender, kota, negara bagian, negara, region, kode pos, biaya akuisisi), menerapkan pra-pemrosesan yang sama persis dengan saat pelatihan, lalu menampilkan segmen yang diprediksi.

Keterbatasan

  1. Daya prediksi sangat rendah. Umur, biaya akuisisi, gender, dan lokasi tidak membedakan segmen (rata-rata umur dan biaya akuisisi hampir identik di keempat segmen). Hasil model mendekati tebakan acak.
  2. Kelas minoritas hampir tidak terdeteksi. Recall VIP dan Business sangat rendah.
  3. Kota berkardinalitas tinggi. 15.555 kota dari 25.000 baris berarti kebanyakan kota hanya muncul 1–2 kali; model cenderung menghafal, bukan menggeneralisasi.
  4. Hanya profil pelanggan. Tidak ada data transaksi (frekuensi, nilai belanja, kategori produk) yang biasanya menjadi dasar segmentasi sesungguhnya.
  5. Satu dataset, satu periode. Tidak diuji pada data dari sumber atau waktu lain.

Penggunaan yang tidak disarankan

Jangan dipakai untuk menentukan perlakuan, harga, atau promosi pelanggan sungguhan.