|
Download README.md from Lidya17/customer-segment-model: direct link, hf CLI and curl.
- Browser
- Download file 5.2 kB
-
https://huggingface.co/Lidya17/customer-segment-model/resolve/main/README.md
- Command line
-
hf download hf://Lidya17/customer-segment-model/README.md
-
curl -L -o README.md https://huggingface.co/Lidya17/customer-segment-model/resolve/main/README.md
5.2 kB
| 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 | |
| - **Nama:** E-commerce Sales Analytics Dataset (`customer_master.csv`) | |
| - **Sumber:** https://www.kaggle.com/datasets/datascikhan/e-commerce-sales-and-customer-analytics | |
| - **Ukuran:** 25.000 baris, 8 fitur input (setelah One-Hot Encoding menjadi 15,606 kolom) | |
| - **Target:** `customer_segment` — 4 kelas (Consumer 54,5% | Premium 25,2% | VIP 10,2% | Business 10,1%) | |
| ## 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 | |
| ```python | |
| 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 | |
| ```bash | |
| 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. | |