常用聚类方法 | |
类别 | 包括主要算法 |
划分(分裂)方法 | K-Means算法(K-平均)、K-MEDOIDS算法(K-中心点)、CLARANS算法(基于选择的算法) |
层次分析方法 | BIRCH算法(平衡迭代规约和聚类)、CURE算法(代表点聚类)、CHAMELEON算法(动态模型) |
基于密度的方法 | DBSCAN算法(基于高密度连接区域)、DENCLUE(密度分布函数)、OPTICS算法(对象排序识别& |
数据建模-聚类分析-K-Means算法
最新推荐文章于 2024-08-11 16:00:02 发布
该博客介绍了使用K-Means算法进行数据建模,通过对客户消费行为(最近消费时间间隔R、消费频率F、消费总金额M)的分析,将客户分为三个群体。分群1为高消费、高价值人群,消费间隔短,次数多,金额大;分群2是一般客户,消费指标中等;分群3则消费间隔长,次数少,价值较低。
摘要由CSDN通过智能技术生成