数据挖掘系列篇：聚类算法概述

Posted 2021-04-09 区块链导报

本篇重点介绍聚类算法的原理，应用流程、使用技巧、评估方法、应用案例等。具体的算法细节可以多查阅相关的资料。聚类的主要用途就是客户分群。

1.聚类 VS 分类

分类是“监督学习”，事先知道有哪些类别可以分。

聚类是“无监督学习”，事先不知道将要分成哪些类。

2.聚类的常见应用

我们在实际情况的中的应用会有：

marketing：客户分群

insurance：寻找汽车保险高索赔客户群

urban planning：寻找相同类型的房产

比如你做买家分析、卖家分析时，一定会听到客户分群的概念，用标准分为高价值客户、一般价值客户和潜在用户等，对于不同价值的客户提供不同的营销方案；

还有像在保险公司，那些高索赔的客户是保险公司最care的问题，这个就是影响到保险公司的盈利问题；

还有在做房产的时候，根据房产的地理位置、价格、周边设施等情况聚类热房产区域和冷房产区域。

3.k-means

（1）假定K个clusters

（2）目标：寻找紧致的聚类

a.随机初始化clusters

b.分配数据到最近的cluster

c.重复计算clusters

d.repeat直到收敛

优点：局部最优

缺点：对于非凸的cluster有问题

k-means聚类算法优缺点？ - 数据挖掘

链接：http://www.zhihu.com/question/31296149

其中K=？

K<=sample size
取决于数据的分布和期望的resolution
AIC，DIC
层次聚类避免了这个问题

4.评估聚类

鲁棒性？

聚类如何，是否过度聚合？

很多时候是取决于聚合后要干什么。

如何评价聚类结果的好坏？ - 机器学习

链接：http://www.zhihu.com/question/19635522

5.case案例

case 1：卖家分群云图

SPSS案例可以参考：

Spss K-means聚类分析案例——某移动公司客户细分模型

链接：http://www.datasoldier.net/post/kmeans.html