Comparative Analysis of Clustering Algorithms Using Internal Validation Metrics

**عنوان المشروع:**

تقسيم عملاء الجملة باستخدام التعلّم الآلي (Customer Segmentation)

**وصف المشروع:**

في هذا المشروع حلّلت بيانات 440 عميلًا لدى موزّع جملة، بهدف تقسيمهم إلى مجموعات متشابهة حسب إنفاقهم السنوي على 6 فئات من المنتجات: المنتجات الطازجة، والألبان، والبقالة، والمجمّدات، والمنظّفات والورقيات، والأطعمة الجاهزة. يساعد هذا التقسيم الشركة على فهم أنواع عملائها، وتوجيه العروض التسويقية وإدارة المخزون بشكل أدق.

**مراحل العمل:**

• **فحص البيانات وتنظيفها:** التحقق من القيم المفقودة والصفوف المكررة، واكتشاف القيم الشاذة بطريقة IQR.

• **التحليل الاستكشافي (EDA):** رسوم توزيع لكل فئة، ومخططات Boxplot، وخريطة ارتباط (Heatmap) أظهرت علاقة قوية بين البقالة والمنظفات (0.92) وبين الألبان والبقالة (0.73).

• **تجهيز البيانات:** توحيد المقاييس باستخدام StandardScaler.

• **تقليل الأبعاد:** استخدام PCA مع تحليل نسبة التباين المفسَّر، وعرض البيانات بصريًا في بُعدين باستخدام PCA وt-SNE.

• **التجميع (Clustering):** تطبيق ومقارنة ثلاث خوارزميات (K-Means وSpectral Clustering وGaussian Mixture Model) بعدد مجموعات من 2 إلى 4، مع طريقة Elbow لاختيار العدد الأنسب.

• **تحليل المجموعات:** حساب متوسط الإنفاق لكل مجموعة لوصف خصائص كل فئة من العملاء.

**الأدوات المستخدمة:**

Python – Pandas – NumPy – Scikit-learn – Matplotlib – Seaborn

**النتيجة:**

تقرير متكامل يعرض الكود والرسوم البيانية وخصائص كل مجموعة من العملاء، ويمكن تطبيق نفس المنهجية على بيانات المبيعات أو العملاء لأي شركة.