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。
| 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） |
| 基于密度的方法 | DBSCAN算法（基于高密度连接区域）、DENCLUE（密度分布函数）、OPTICS算法（对象排序识别& |
最低0.47元/天 解锁文章
扫一扫
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
