機器學(xué)習(xí)之聚類分析，如何分析用戶？機器學(xué)習(xí)問題有兩種:有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)。聚類分析是無監(jiān)督機器學(xué)習(xí)中的一種算法。做用戶分析時，聚類分析主要用于用戶分類，下面用一個案例說明。案例背景在用戶運營的過程

機器學(xué)習(xí)之聚類分析，如何分析用戶？

機器學(xué)習(xí)問題有兩種:有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)。聚類分析是無監(jiān)督機器學(xué)習(xí)中的一種算法。

做用戶分析時，聚類分析主要用于用戶分類，下面用一個案例說明。

案例背景在用戶運營的過程中，通常需要根據(jù)用戶的屬性進行分類，從而在轉(zhuǎn)化的過程中獲得更多的利益。用戶有很多屬性，應(yīng)該選擇哪些屬性進行分析？

基礎(chǔ)理論1。第一個基礎(chǔ)理論:RFM模型

根據(jù)美國數(shù)據(jù)庫營銷研究機構(gòu)阿瑟·休斯的研究，客戶數(shù)據(jù)庫中有三個神奇的元素，構(gòu)成了客戶分類的最佳指標(biāo):

R-當(dāng)前持續(xù)時間的最新消費(最近)

F-消費頻率

M- money(錢)

例如:

客戶A，R: 180天，F(xiàn):每月一次，M: 100元/月。

客戶B，R: 3天，F(xiàn): 10次/月，M: 1000元/月。

可以得出顧客B的價值高于顧客a的結(jié)論，這種理論被稱為RFM模型。

2.第二個基礎(chǔ)理論:聚類分析。

在實際問題中，客戶超過兩個，通常會有很多用戶，所以需要根據(jù)R、F、M指標(biāo)對用戶進行分類，然后判斷每個類別的客戶價值，對用戶進行分類的常用方法是聚類分析。

以上兩種基本理論統(tǒng)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)庫中提取以下與用戶相關(guān)的數(shù)據(jù)。

用戶ID、首次購買時間、上次購買時間、總購買金額和總購買次數(shù)。

屬性構(gòu)建根據(jù)RFM模型，我們需要三個指標(biāo)，R，F(xiàn)，M，但是我們得到的數(shù)據(jù)是沒有的，所以我們需要先根據(jù)原始數(shù)據(jù)來構(gòu)建這三個指標(biāo):

r:距離上次投資有多久了？

f:每月平均購買次數(shù)

m:平均每月購買金額

注:假設(shè)該產(chǎn)品的消費頻率為月，所以這里的統(tǒng)計以月為單位。通過聚類分析構(gòu)建R、F、M三個指標(biāo)后，利用工具(Python、R或SPSS)進行K-Means聚類分析，將用戶分為4或8類。

說明:這里主要用聚類分析！??！

給出一個結(jié)論，計算每個類別的R、F、M指標(biāo)的平均值。根據(jù)這三個核心指標(biāo)，標(biāo)記出每個類別的用戶價值:高價值用戶、重要留存客戶、重要留存客戶、低價值客戶。

回答完畢！

怎樣利用python來計算平均數(shù)？

1.首先，讓我們 讓我們來看看計算平均值的IPO模型。

計算平均值時要輸入的數(shù)字。

3.處理:平均算法。

4.輸出:一般。

5.了解了程序的IPO模式后，我們打開本地python IDE。