日本免费全黄少妇一区二区三区-高清无码一区二区三区四区-欧美中文字幕日韩在线观看-国产福利诱惑在线网站-国产中文字幕一区在线-亚洲欧美精品日韩一区-久久国产精品国产精品国产-国产精久久久久久一区二区三区-欧美亚洲国产精品久久久久

  1. 首頁 > 云知道 > >

聚類分析原理 機器學習之聚類分析,如何分析用戶

云知道

機器學習之聚類分析,如何分析用戶，聚類分析原理 。這個問題金納萊為您提供更多相關信息讓你了解 。
機器學習問題有兩類聚類分析原理：監(jiān)督學習和無監(jiān)督學習 。聚類分析屬于無監(jiān)督機器學習中的一種算法 。

聚類分析原理 機器學習之聚類分析,如何分析用戶



聚類分析原理 機器學習之聚類分析,如何分析用戶


在做用戶分析的時候，聚類分析主要用于用戶分類，下面通過一個案例說明 。
案例背景在用戶運營過程中，通常需要根據(jù)用戶的屬性對用戶進行歸類，以便于在轉(zhuǎn)化過程中獲得更大的收益 。用戶有很多屬性，究竟選擇哪些屬性進行分析呢？
基本理論1、第一個基本理論：RFM模型
根據(jù)美國數(shù)據(jù)庫營銷研究所Arthur Hughes的研究，客戶數(shù)據(jù)庫中有三個神奇的要素，這三個要素構(gòu)成了客戶分類最好的指標：
R-最近一次消費距當前的時長(Recency)
F-消費頻率(Frequency)
M-消費金額(Monetary)
舉個例子：
客戶A，R：180天，F(xiàn)：1次/月，M：100元/月
客戶B，R：3天，F(xiàn)：10次/月，M：1000元/月
可以得出結(jié)論：客戶B的價值高于客戶A 。這個理論被稱為RFM模型 。
2、第二個基本理論：聚類分析
實際問題中，可不止兩個客戶，通常會有很多用戶，所以需要根據(jù)R、F、M指標對用戶進行分類，然后再判斷每個類別的客戶價值，而對用戶進行分類的常用方法就是聚類分析 。
以上兩個基本理論合起來稱為RFM聚類分析 。
提取數(shù)據(jù)例如，數(shù)據(jù)分析師從數(shù)據(jù)庫中提取出以下用戶相關數(shù)據(jù) 。
用戶ID、首次購買時間、最近一次購買時間、購買總金額、購買總次數(shù) 。
屬性構(gòu)造根據(jù)RFM模型，我們需要R、F、M這三個指標，而拿到的數(shù)據(jù)沒有，所以需要先根據(jù)原始數(shù)據(jù)構(gòu)造這三個指標：
R：最近一次投資時間距現(xiàn)在的時長
F：月均購買次數(shù)
M：月均購買金額
說明：假設該產(chǎn)品的消費頻率為月，所以這里統(tǒng)計以月為單位 。聚類分析構(gòu)造R、F、M這三個指標后，用工具（Python、R或者SPSS）進行K-Means聚類分析，將用戶分成4個或8個類別 。
說明：聚類分析主要用于這里！??！
給出結(jié)論計算每個類別的R、F、M指標的均值，根據(jù)這三個核心指標，標注每個類別的用戶價值：高價值用戶、重要挽留客戶、重要保持客戶、低價值客戶等 。
回答完畢！
【聚類分析原理 機器學習之聚類分析,如何分析用戶】以上就是金納萊網(wǎng)?聚類分析原理，機器學習之聚類分析，如何分析用戶的相關內(nèi)容了，更多精彩請關注金納萊號公眾號 。

    推薦閱讀