聚类分析——客户分群分析

聚类分析——客户分群分析

一、聚类
聚类分析主要是针对无监督问题，即没有标签值。回顾之前python分析淘宝用户行为（三），我们再运用RFM模型时，人为制作评分系统，并打上标签值，今天主要是直接将其当作无监督问题来处理
简单来说，就是将相似的东西分到一组，比如说我们进行客户分群时，会根据其价值进行分群，从而制定精准策略。但聚类也存在一些问题，比如说如何评估，如何调参等等。
二、K-Means算法
理论解释并不是很难理解，我简单说一下自己的理解，现在有很多组数据，没有标签值，只能根据他们之间的相似度进行分组。
**过程：**指定需要分多少种客户类型，即K值，然后选取质心（利用向量各维取平均值），选完后将周围的点计算欧几里得距离，最后根据距离进行相似分类。

**优势：**简单，快速，适合常规数据集

**劣势：**K值难确定；复杂度与样本呈线性关系；很难发现任意形状的簇
三、DBSCAN算法
1、基本概念

**核心对象：**若某个点的密度达到算法设定的阈值则其为核心点（即r领域内的数量不小于minPts）

**\epsilon-领域的距离阈值：**设定的半径r
**直接密度可达：**若某点p在点q的领域内，且q是核心点则p-q直接密度可达

**密度可达：**若有一个点的序列q0,q1…qk，对于任意其qi-qi-1是直接密度可达的，则称为从q0到qk密度可达，这实际上是直接密度可达的“传播”

**过程：**数据集-指定半径（r）-密度阈值（Minpts）-进行聚类
参数选择：

**半径：**可以根据K距离来设定

**K距离：**给定数据集P ={p(i)；i=0,1,…n},计算点p(i)到集合D的子集S中所有点的距离，距离按照从小到大的顺序排序，d(K)就被称为k-距离

**MinPts：**k-距离中k的值，一