数据建模-聚类分析-K-Means算法

最新推荐文章于 2025-07-06 15:29:28 发布

原创

最新推荐文章于 2025-07-06 15:29:28 发布 · 9.3k 阅读

CC 4.0 BY-SA版权

该博客介绍了使用K-Means算法进行数据建模，通过对客户消费行为（最近消费时间间隔R、消费频率F、消费总金额M）的分析，将客户分为三个群体。分群1为高消费、高价值人群，消费间隔短，次数多，金额大；分群2是一般客户，消费指标中等；分群3则消费间隔长，次数少，价值较低。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

常用聚类方法
类别	包括主要算法
划分（分裂）方法	K-Means算法（K-平均）、K-MEDOIDS算法（K-中心点）、CLARANS算法（基于选择的算法）
层次分析方法	BIRCH算法（平衡迭代规约和聚类）、CURE算法（代表点聚类）、CHAMELEON算法（动态模型）