Segmentation client H&M

Ceci est un projet de machine learning dont le but est d’effectuer la segmentation des clients de H&M

Le Projet

vise à analyser les comportements d’achat des clients H&M afin de les regrouper en profils homogènes.
Grâce à des algorithmes de clustering comme K-Means, l’objectif est d’identifier différents types de clients : réguliers, occasionnels, inactifs, VIP ou encore professionnels.

Algorithme utilisé

Dans ce projet, j’ai comparé plusieurs méthodes de clustering afin de déterminer la plus adaptée à la segmentation des clients H&M.

L’approche retenue repose sur :

K-Means, pour construire des groupes de clients de manière simple et efficace
GMM (Gaussian Mixture Model), pour tester une approche probabiliste plus flexible
la normalisation et la PCA, pour préparer et mieux visualiser les données
la méthode du coude, pour identifier le nombre optimal de clusters dans le cadre du K-means
le BIC, utilisé avec GMM pour affiner la sélection du modèle

GitHub du projet

Ici vous trouverez le lien vers le Github du projet.