数据科学 14 银行客户渠道使用偏好洞察案例（概念）
13.1 客户画像与标签体系
13.1.1 概念
什么是画像?
客户画像是根据用户社会属性、生活习惯和消费行为等信息而抽象
出的一个标签化的用户模型。
构建用户画像的核心工作即是给用户贴“标签”，而标签是通过对
用户信息分析而来的高度精炼的特征标识。
为什么要做画像?
精准营销和个性化推荐。
用户统计和理解。
业务经营分析。
怎么做画像?
基本流程：数据收集、行为建模、构建画像。
13.2.2 客户细分
13.2 系统聚类
13.2.1 要点1：要预先处理变量
- 收到的数据通常需要经过处理才能用于分析：
- 缺失值
- 异常值（极大或极小）
- 分类变量需要转化为哑变量（0/1数值）
- 分类变量类别过多
- 不同的统计方法对数据有不同的要求：
- 决策树允许缺失值和异常值
- 聚类分析和回归模型则不支持缺失值
13.2.2 要点2：变量标准化
为什么要做标准化：
变量的量纲的不一样引起计算距离的偏差
比如我们用了两个维度： 收入和年龄
收入的取值范围 [$10,000, $100,000]
年龄的取值范围 [18, 100]
方法一：中心化 ------
std
(
x
i
p
)
=
x
i
p
−
x
ˉ
p
S
p
\operatorname{std}\left(x_{i p}\right)=\frac{x_{i p}-\bar{x}_{p}}{S_{p}}
std(xip)=Spxip−xˉp
方法二：极差标准化 ------
x
−
min
(
x
)
/
max
(
x
)
−
min
(
x
)
x-\min (x) / \max (x)-\min (x)
x−min(x)/max(x)−min(x)
13.2.3 要点3：不同维度的变量,相关性尽量低
13.3 K-means聚类
13.3.1 K-means聚类过程
- 设定K值，确定聚类数（软件随机分配聚类中心所需的种子）；
- 计算每个记录到类中心的距离（欧式），并分成K类。
- 然后把K类中心（均值），作为新的中心，重新计算距离；
- 迭代到收敛标准停止（最小二乘准则）。
13.3.2 K-Means 聚类要点
要点1：预先处理变量的缺失值、异常值
要点2：变量标准化
要点3：不同维度的变量,相关性尽量低
要点4：如何决定合适的分群个数?
- 主要推荐轮廓系数(Silhouette Coefficient)，并结合以下注意事项：
- 分群结果的稳定性
重复多次分群,看结果是否稳定 - 分群结果是否有好解释的商业意义
- 分群结果的稳定性
13.4 变量转换
变量转换有两种：
消除量纲但是不改变分布（归一化） ：中心标准化、极差标准化；
同时消除量纲与改变分布：对数、百分位秩、 Tukey评分等。
 图1 消除量纲但是不改变分布
|
 图2 同时消除量纲与改变分布
|
百分位秩
变量从小到大排序，然后依次赋予序列号，最后用总的样本量除以序列号， 值域[0,100] 。
Tukey正态分布打分
先转化为百分位秩，然后转化为正态分布。
变量取自然对数
数学表达式：
A
=
l
n
(
x
)
A = ln(x)
A=ln(x)
变量转换总结:
- 非对称变量在聚类分析中选用百分位秩和Tukey正态分布打分比较多；
- 在回归分析中取对数比较多。
因为商业上的聚类模型关心的客户的排序情况，回归模型关心的是其具有经济学意义，对数表达的是百分比的变化。
扫一扫
2164
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
