自動(dòng)集群偵測(編輯修改稿)
2024-11-17 03:02 本頁面
【文章內(nèi)容簡介】 ? 凝聚性集群法以層級(jí)性的方式製造集群，於是可使用樹狀圖。 ? 與決策樹的差異 ? 凝聚 集群樹狀圖並沒有敘述為何資料歸為同一集群，而以最短距離來分成集群的 ? 決策樹由根部出發(fā)，以發(fā)展出所預(yù)定之葉 (目標(biāo))，凝聚性集群法則是相反的由葉出發(fā)，以集群為目的，往最終的根部前進(jìn) 資料庫行銷 — 集群偵測分析 集群之間的距離量測方式 資料庫行銷 — 集群偵測分析 X1 X2 C2 C3 C1 用單一連結(jié)方法 最接近的集群 用完整連結(jié)方法 最接近的集群 用質(zhì)心點(diǎn)方法 最接近的集群 Divisive clustering —階層式分裂演算法 ? 以決策樹的觀念來做集群分類 ? 階層式分裂演算法由根部出發(fā)，往葉子邁進(jìn)；凝聚性集群法是相反的由葉出發(fā)，往最終的根部前進(jìn) 資料庫行銷 — 集群偵測分析 集群的評(píng)估 ? 問題一：如何決定 Kmean中 K的數(shù)目 ? 問題二：如何決定那一個(gè)層級(jí)的集群擁有較佳的集群 (凝聚與層級(jí)分裂法 ) ? 問題三：到底怎樣才算是一個(gè)好的集群 資料庫行銷 — 集群偵測分析 集群的內(nèi)外部 資料庫行銷 — 集群偵測分析 X1 X2 ?集群內(nèi)部 ?集群內(nèi)部裡面， 差異越小越好 ?平均數(shù) ?變異數(shù) ?集群外部 ?集群之間差異越大越好 集群分析與區(qū)別分析的差異 (補(bǔ)充 ) ? 區(qū)別分析 — 群落、市場區(qū)隔為已知 (選擇題、是非題 ) ? 集群分析 — 群落、市場區(qū)隔的分佈為未知 (問答題 ) 資料庫行銷 — 集群偵測分析 其他集群分析的應(yīng)用 資料庫行銷 — 集群偵測分析 主要目的：使銷售人員能在第一時(shí)間經(jīng)由顧客的 臉型、 表情、長相區(qū)分出顧客可能的購物情形 其他集群分析的應(yīng)用 資料庫行銷 — 集群偵測分析 主要目的：區(qū)分出不同品牌的 Pizza不同的特色 Case study— 報(bào)紙編輯區(qū)的集群 資料庫行銷 — 集群偵測分析 ? Boston Globe是 Boston與 Boston週遭地區(qū)Massachusetts、 New Hampshire最主要的日?qǐng)?bào) ? 面臨問題 ： ? 主要市場 Boston讀者數(shù)下降 ? 郊區(qū)市場受到地區(qū)性報(bào)紙的競爭威脅而造成閱讀的移轉(zhuǎn) ? Boston Globe希望將現(xiàn)行不理想的 12個(gè)地理區(qū)域的編輯區(qū) ，做出更好的分類，每個(gè)編輯區(qū)中每周會(huì)有兩天報(bào)導(dǎo)當(dāng)?shù)氐男侣? 編輯區(qū)的限制 ? 編輯區(qū)應(yīng)擁有地理區(qū)域上的連續(xù)性 ? 編輯區(qū)的緊密性 ，以及編輯區(qū)中人口的充足與否將會(huì)直接影響到報(bào)導(dǎo)內(nèi)容 ? 編輯區(qū)會(huì)因?yàn)榈乩韰^(qū)域而調(diào)整使用的廣告 受到上面的限制， Boston Globe希望將擁有共同特性的城市，設(shè)計(jì)合適的編輯區(qū)。 但哪些城市具有相似性呢 ? 資料庫行銷 — 集群偵測分析 創(chuàng)造出城市的共同變數(shù) ? 在分 類出不同城市屬於哪個(gè)集群前，必頇能夠先描述出每個(gè)城市的特性 ? 而資料採礦人員早期的計(jì)劃是希望能夠從這些城市已經(jīng)定義好的 共同變數(shù) 探勘出未來 發(fā)行率 會(huì)持續(xù)成長的城市 資料庫行銷 — 集群偵測分析 資料來源與特性 ? 城市的特性大多來自不同的來源處，但大多的變數(shù)來自 1990以及 2020年美國城市的人口調(diào)查 (變數(shù)包含年齡、種族、職業(yè)、收入、 Home value) ? 此外， Globe從各城市中送報(bào)商中取得每戶家庭的資料 ? 在促銷時(shí)訂閱戶所留下的資訊 ? 抱怨電話 ? 訂閱的方式 (日?qǐng)?bào)、 Sunday ) 資料庫行銷 — 集群偵測分析 創(chuàng)造城市共同特性的步驟 ? Aggregation:將所有資料轉(zhuǎn)換成城市的共同 特性 ，在進(jìn)一歨行成不同城市的層級(jí) ? Normalization常態(tài)化 :將所有的數(shù)值轉(zhuǎn)換成用百分比的形態(tài)表示 ? Calculation of trends :推測趨勢 :趨勢能夠反應(yīng)出一個(gè)城市的特性 ? Creation of derived variables :創(chuàng)造來源變數(shù) :除了在變數(shù)中找尋共同特性 ， 找出城市中的重要特性 資料庫行銷 — 集群偵測分析 創(chuàng)造集群 ? 當(dāng)描述城市特性時(shí)可以藉由人口統(tǒng)計(jì)和地理區(qū)域來建立集群 ，但集群的建立並不能夠馬上的就找出合適編輯區(qū) ? 因?yàn)橐恍┑乩砩系南拗贫紩?huì)導(dǎo)致編輯區(qū)將週遭的城市納入 ? 人口統(tǒng)計(jì)相似的城市並不能代表相近的地理區(qū)域 ? 人口統(tǒng)計(jì)的集群能夠使用單一因素設(shè)計(jì)編輯區(qū) ，並且考量到地理上的限制 資料庫行銷 — 集群偵測分析 決定合理的集群數(shù) ? 在建立編輯區(qū)的集群數(shù)時(shí) ，會(huì)因?yàn)樵S多商業(yè)上的考量形成許多的編輯區(qū)，但我們往往不能夠保證每個(gè)好的集群都能夠被發(fā)現(xiàn) ? 但若是結(jié)合 KMeans法以及 分裂樹狀圖能夠解決集群數(shù)的問題 ? 步驟一： 先 決定較低的
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1