聚類方法clustering-wenkub
2022-08-29 13:50:57 本頁面
【正文】 配對 Major and minor suits 聚類分析原理介紹 ? 這個例子告訴我們，分組的意義在于我們怎么定義并度量 “ 相似性 ” Similar ? 因此衍生出一系列度量相似性的算法 A K Q J 大配對和小配對 Major and minor suits 聚類分析原理介紹 相似性 Similar的度量（統(tǒng)計學(xué)角度） ? 距離 Q型聚類（主要討論） ? 主要用于對樣本分類 ? 常用的距離有（只適用于具有間隔尺度變量的聚類）： ? 明考夫斯基距離 （包括：絕對距離、 歐式距離 、切比雪夫距離） ? 蘭氏距離 ? 馬氏距離 ? 斜交空間距離 ? 此不詳述，有興趣可參考 《 應(yīng)用多元分析 》 （第二版）王學(xué)民 ? 相似系數(shù) R型聚類 ? 用于對變量分類，可以用變量之間的相似系數(shù)的變形如 1－ rij定義距離 ? 這里不詳細(xì)介紹這種聚類度量方法 聚類分析原理介紹 變量按測量尺度（ Measurement Level）分類 ? 間隔（ Interval）尺度變量 ? 連續(xù)變量，如長度、重量、速度、溫度等 ? 有序（ Ordinal）尺度變量 ? 等級變量，不可加，但可比，如一等、二等、三等獎學(xué)金 ? 名義（ Nominal）尺度變量 ? 類別變量，不可加也不可比，如性別、職業(yè)等 ? 當(dāng)對象是同時被各種類型的變量描述時，怎樣描述對象之間的相異度呢？ ? 一種可取的辦法是把所有變量一起處理，將不同類型的變量組合在單個相異矩陣中，把所有有意義的變量轉(zhuǎn)換到 【 0， 1】 的區(qū)間上，只進(jìn)行一次聚類分析。 聚類分析無處不在 ? 挖掘有價值的客戶，并制定相應(yīng)的促銷策略： ?如，對經(jīng)常購買酸奶的客戶 ?對累計消費達(dá)到 12個月的老客戶 ? 針對潛在客戶派發(fā)廣告，比在大街上亂發(fā)傳單命中率更高，成本更低！ 聚類分析無處不在 ? 誰是銀行信用卡的黃金客戶？ ?利用儲蓄額、刷卡消費金額、誠信度等變量對客戶分類，找出 “ 黃金客戶 ” ！ ?這樣銀行可以 …… ?制定更吸引的服務(wù)，留住客戶！比如： ?一定額度和期限的免息透資服務(wù)！ ?百盛的貴賓打折卡！ ?在他或她生日的時候送上一個小蛋糕！ 聚類的應(yīng)用領(lǐng)域 ? 經(jīng)濟(jì)領(lǐng)域： ? 幫助市場分析人員從客戶數(shù)據(jù)庫中發(fā)現(xiàn)不同的客戶群，并且用購買模式來刻畫不同的客戶群的特征。聚類方法 （ Clustering） 統(tǒng)研會學(xué)術(shù)交流篇之 —— 演講人： 上海財經(jīng)大學(xué)統(tǒng)計學(xué)系 呂江平 主講內(nèi)容 ? 聚類方法原理介紹 ? 案例分析（ SAS/Enterprise Miner） ? 推薦參考書目 什么是聚類 ? 聚類（ Clustering）就是將數(shù)據(jù)分組成為多個類（ Cluster）。 ? 誰喜歡打
范文總結(jié)相關(guān)推薦
鄂ICP備17016276號-1