CRM试用热线:400-600-7912
>

聚类分析方法的K-means

客户细分的实现技术很多,crm如神经网络方法、因素分析方 法、拟和分析方法和聚类分析方法等都在实践中有着广泛的应 用。客户效益分类方法的选择要以进行细分的目的、企业以及 市场的实际情况为越础。本书采用聚类分析方法的K-means 鮮法。

聚类(Clustering)是指将数据分组成为多个类(Cluster), 在同一个类内对象之间具有较高的相似度,不同类之间的对象差别较大。

聚类是无指导的学习方法,K别于分类。分类是按照一定 的称准或规则,将取物阳屈到某个事先已知的类别之中。聚类 是分析班物的内在特点或规律,根据设大化类内的相似性和最 小化类间的相似性的原则,对亊物进行分组。聚类分析技木已 经被广泛应用到经济’学、生物学、医学等进多领域。从统计学 的免度,可根据相似性的度ill方法,将聚类方法划分为Q型聚 类和R型聚类,前者主要用于对样本聚类,而后者主要用于对 变设聚类。在数据挖掘中,聚类分析方法有划分方法、层次方 法、基于密度的方法、越于网格的方法、甚于模型的方法。 4. 3. 3. 2 K-means 算法

目前在文献中存在着大量的聚类方法,爲法的选择取决于 数据的类型、聚类的目的和应用。由于通信行业的数据库很大, 并且所选取的数据在某鉴变發上存在零值,因此选用划分方法 中的K-means算法,该剪法具有较好的可伸缩性和很高的效率, 比较适用于通信行业客户细分。