航空公司客户价值分析(下)

最新推荐文章于 2022-11-06 16:33:02 发布

一个两个n多个

最新推荐文章于 2022-11-06 16:33:02 发布

阅读量1.5k

点赞数

分类专栏：实战 Data Ming 文章标签：客户价值分析

本文链接：https://blog.csdn.net/bug_12/article/details/97298764

版权

本文利用K-Means算法对航空公司客户数据进行聚类分析，通过SSE手肘法确定k值，揭示不同客户群体特征。结果表明，客户分为五类：低价值、高价值、重要发展、一般挽留和一般发展客户，为企业提供客户价值评估与策略制定依据。

摘要由CSDN通过智能技术生成

模型训练

将之前处理好的数据拿来就进行模型训练，这里用的聚类算法为K-Means算法。K-Means算法主要就在于k=n_cluster参数的确定上面，到底是将k确定为几能进行更好的分类了。这里我采用了SSE手肘法来确定k值，SSE值代表了每一个数据点离聚类中心的距离的评分，即为误差平方。当k小于真实聚类数时，随着k增大数据之间的聚合度会增加，SSE下降幅度会很大，当k快达到真实聚类值时，SSE下降幅度会变平稳，就想一个手肘的形状，肘点即为最优k值，相关代码如下：

import pandas as pd
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
input_file = '../tmp/std2.xls'
data = pd.read_excel(input_file)
SSE = []
for k in range(1,9):
    estimator = KMeans(n_clusters=k)
    estimator.fit(data)
    SSE.append(estimator.inertia_)#样本到最近的聚类中心的距离平方之和
X = range(1,9)
plt.xlabel('k')
plt.ylabel('SSE')
plt.plot(X,SSE,'o-')
plt.show()

结果如下：
在这里插入图片描述
从图中可以看出k的取值应该在4,5之间，这只有通过验证来确定到底是4还是5了，