机器学习 day7 kmeans 聚类算法

最新推荐文章于 2023-07-07 08:17:39 发布

大地之灯

最新推荐文章于 2023-07-07 08:17:39 发布

阅读量294

点赞数

分类专栏： python数据分析总结文章标签： python 机器学习数据分析聚类

本文链接：https://blog.csdn.net/qq_33489955/article/details/117920034

版权

python数据分析总结专栏收录该内容

45 篇文章 5 订阅

订阅专栏

#准确的客户分类的结果是企业优化营销资源的重要依据，本文利用了航空公司的部分数据，利用Kmeans聚类方法，对航空公司的客户进行了分类，来识别出不同的客户群体，从来发现有用的客户，从而对不同价值的客户类别提供个性化服务，指定相应的营销策略。

# coding=utf-8
import pandas as pd
import numpy as np
#忽略报警
import warnings
warnings.filterwarnings("ignore")

#读取原始数据，指定UTF-8编码（需要用文本编辑器将数据装换为ANSI编码）
data = pd.read_csv(r'air_data - utf8.csv')
#查看样本
explore = data.describe(percentiles = [], include = 'all').T 
data.head()

	MEMBER_NO	FFP_DATE	FIRST_FLIGHT_DATE	GENDER	FFP_TIER	WORK_CITY	WORK_PROVINCE	WORK_COUNTRY	AGE	LOAD_TIME	...	ADD_Point_SUM	Eli_Add_Point_Sum	L1Y_ELi_Add_Points	Points_Sum	L1Y_Points_Sum	Ration_L1Y_Flight_Count	Ration_P1Y_Flight_Count	Ration_P1Y_BPS	Ration_L1Y_BPS	Point_NotFlight
0	54993	2006/11/2	2008/12/24	男	6	.	北京	CN	31.0	2014/3/31	...	39992	114452	111100	619760	370211	0.509524	0.490476	0.487221	0.512777	50
1	28065	2007/2/19	2007/8/3	男	6	NaN	北京	CN	42.0	2014/3/31	...	12000	53288	53288	415768	238410	0.514286	0.485714	0.489289	0.510708	33
2	55106	2007/2/1	2007/8/30	男	6	.	北京	CN	40.0	2014/3/31	...	15491	55202	51711	406361	233798	0.518519	0.481481	0.481467	0.518530	26
3	21189	2008/8/22	2008/8/23	男	5	Los Angeles	CA	US	64.0	2014/3/31	...	0	34890	34890	372204	186100	0.434783	0.565217	0.551722	0.448275	12
4	39546	2009/4/10	2009/4/15	男	6	贵阳	贵州	CN	48.0	2014/3/31	...	22704	64969	64969	338813	210365	0.532895	0.467105	0.469054	0.530943	39

5 rows × 44 columns

explore

	count	unique	top	freq	mean	std	min	50%	max
MEMBER_NO	62988	NaN	NaN	NaN	31494.5	18183.2	1	31494.5	62988
FFP_DATE	62988	3068	2011/1/13	184	NaN	NaN	NaN	NaN	NaN
FIRST_FLIGHT_DATE	62988	3406	2013/2/16	96	NaN	NaN	NaN	NaN	NaN
GENDER	62985	2	男	48134	NaN	NaN	NaN	NaN	NaN
FFP_TIER	62988	NaN	NaN	NaN	4.10216	0.373856	4	4	6
WORK_CITY	60719	3309	广州	9385	NaN	NaN	NaN	NaN	NaN
WORK_PROVINCE	59740	1183	广东	17507	NaN	NaN	NaN	NaN	NaN
WORK_COUNTRY	62962	118	CN	57748	NaN	NaN	NaN	NaN	NaN
AGE	62568	NaN	NaN	NaN	42.4763	9.88591	6	41	110
LOAD_TIME	62988	1	2014/3/31	62988	NaN	NaN	NaN	NaN	NaN
FLIGHT_COUNT	62988	NaN	NaN	NaN	11.8394	14.0495	2	7	213
BP_SUM	62988	NaN	NaN	NaN	10925.1	16339.5	0	5700	505308
EP_SUM_YR_1	62988	NaN	NaN	NaN	0	0	0	0	0
EP_SUM_YR_2	62988	NaN	NaN	NaN	265.69	1645.7	0	0	74460
SUM_YR_1	62437	NaN	NaN	NaN	5355.38	8109.45	0	2800	239560
SUM_YR_2	62850	NaN	NaN	NaN	5604.03	8703.36	0	2773	234188
SEG_KM_SUM	62988	NaN	NaN	NaN	17123.9	20960.8	368	9994	580717
WEIGHTED_SEG_KM	62988	NaN	NaN	NaN	12777.2	17578.6	0	6978.26	558440
LAST_FLIGHT_DATE	62988	731	2014/3/31	959	NaN	NaN	NaN	NaN	NaN
AVG_FLIGHT_COUNT	62988	NaN	NaN	NaN	1.54215	1.787	0.25	0.875	26.625
AVG_BP_SUM	62988	NaN	NaN	NaN	1421.44	2083.12	0	752.375	63163.5
BEGIN_TO_FIRST	62988	NaN	NaN	NaN	120.145	159.573	0	50	729
LAST_TO_END	62988	NaN	NaN	NaN	176.12	183.822	1	108	731
AVG_INTERVAL	62988	NaN	NaN	NaN	67.7498	77.5179	0	44.6667	728
MAX_INTERVAL	62988	NaN	NaN	NaN	166.034	123.397	0	143	728
ADD_POINTS_SUM_YR_1	62988	NaN	NaN	NaN	540.317	3956.08	0	0	600000
ADD_POINTS_SUM_YR_2	62988	NaN	NaN	NaN	814.689	5121.8	0	0	728282
EXCHANGE_COUNT	62988	NaN	NaN	NaN	0.319775	1.136	0	0	46
avg_discount	62988	NaN	NaN	NaN	0.721558	0.185427	0	0.711856	1.5
P1Y_Flight_Count	62988	NaN	NaN	NaN	5.76626	7.21092	0	3	118
L1Y_Flight_Count	62988	NaN	NaN	NaN	6.07316	8.17513	0	3	111
P1Y_BP_SUM	62988	NaN	NaN	NaN	5366.72	8537.77	0	2692	246197
L1Y_BP_SUM	62988	NaN	NaN	NaN	5558.36	9351.96	0	2547	259111
EP_SUM	62988	NaN	NaN	NaN	265.69	1645.7	0	0	74460
ADD_Point_SUM	62988	NaN	NaN	NaN	1355.01	7868.48	0	0	984938
Eli_Add_Point_Sum	62988	NaN	NaN	NaN	1620.7	8294.4	0	0	984938
L1Y_ELi_Add_Points	62988	NaN	NaN	NaN	1080.38	5639.86	0	0	728282
Points_Sum	62988	NaN	NaN	NaN	12545.8	20507.8	0	6328.5	985572
L1Y_Points_Sum	62988	NaN	NaN	NaN	6638.74	12601.8	0	2860.5	728282
Ration_L1Y_Flight_Count	62988	NaN	NaN	NaN	0.486419	0.319105	0	0.5	1
Ration_P1Y_Flight_Count	62988	NaN	NaN	NaN	0.513581	0.319105	0	0.5	1
Ration_P1Y_BPS	62988	NaN	NaN	NaN	0.522293	0.339632	0	0.514252	0.999989
Ration_L1Y_BPS	62988	NaN	NaN	NaN	0.468422	0.338956	0	0.476747	0.999993
Point_NotFlight	62988	NaN	NaN	NaN	2.72815	7.36416	0	0	140

data.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 62988 entries, 0 to 62987
Data columns (total 44 columns):
 #   Column                   Non-Null Count  Dtype  
---  ------                   --------------  -----  
 0   MEMBER_NO                62988 non-null  int64  
 1   FFP_DATE                 62988 non-null  object 
 2   FIRST_FLIGHT_DATE        62988 non-null  object 
 3   GENDER                   62985 non-null  object 
 4   FFP_TIER                 62988 non-null  int64  
 5   WORK_CITY                60719 non-null  object 
 6   WORK_PROVINCE            59740 non-null  object 
 7   WORK_COUNTRY             62962 non-null  object 
 8   AGE                      62568 non-null  float64
 9   LOAD_TIME                62988 non-null  object 
 10  FLIGHT_COUNT             62988 non-null  int64  
 11  BP_SUM                   62988 non-null  int64  
 12  EP_SUM_YR_1              62988 non-null  int64  
 13  EP_SUM_YR_2              62988 non-null  int64  
 14  SUM_YR_1                 62437 non-null  float64
 15  SUM_YR_2                 62850 non-null  float64
 16  SEG_KM_SUM               62988 non-null  int64  
 17  WEIGHTED_SEG_KM          62988 non-null  float64
 18  LAST_FLIGHT_DATE         62988 non-null  object 
 19  AVG_FLIGHT_COUNT         62988 non-null  float64
 20  AVG_BP_SUM               62988 non-null  float64
 21  BEGIN_TO_FIRST           62988 non-null  int64  
 22  LAST_TO_END              62988 non-null  int64  
 23  AVG_INTERVAL             62988 non-null  float64
 24  MAX_INTERVAL             62988 non-null  int64  
 25  ADD_POINTS_SUM_YR_1      62988 non-null  int64  
 26  ADD_POINTS_SUM_YR_2      62988 non-null  int64  
 27  EXCHANGE_COUNT           62988 non-null  int64  
 28  avg_discount             62988 non-null  float64
 29  P1Y_Flight_Count         62988 non-null  int64  
 30  L1Y_Flight_Count         62988 non-null  int64  
 31  P1Y_BP_SUM               62988 non-null  int64  
 32  L1Y_BP_SUM               62988 non-null  int64  
 33  EP_SUM                   62988 non-null  int64  
 34  ADD_Point_SUM            62988 non-null  int64  
 35  Eli_Add_Point_Sum        62988 non-null  int64  
 36  L1Y_ELi_Add_Points       62988 non-null  int64  
 37  Points_Sum               62988 non-null  int64  
 38  L1Y_Points_Sum           62988 non-null  int64  
 39  Ration_L1Y_Flight_Count  62988 non-null  float64
 40  Ration_P1Y_Flight_Count  62988 non-null  float64
 41  Ration_P1Y_BPS           62988 non-null  float64
 42  Ration_L1Y_BPS           62988 non-null  float64
 43  Point_NotFlight          62988 non-null  int64  
dtypes: float64(12), int64(24), object(8)
memory usage: 21.1+ MB

#去重
data.drop_duplicates(inplace=True)
data.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 62988 entries, 0 to 62987
Data columns (total 44 columns):
 #   Column                   Non-Null Count  Dtype  
---  ------                   --------------  -----  
 0   MEMBER_NO                62988 non-null  int64  
 1   FFP_DATE                 62988 non-null  object 
 2   FIRST_FLIGHT_DATE        62988 non-null  object 
 3   GENDER                   62985 non-null  object 
 4   FFP_TIER                 62988 non-null  int64  
 5   WORK_CITY                60719 non-null  object 
 6   WORK_PROVINCE            59740 non-null  object 
 7   WORK_COUNTRY             62962 non-null  object 
 8   AGE                      62568 non-null  float64
 9   LOAD_TIME                62988 non-null  object 
 10  FLIGHT_COUNT             62988 non-null  int64  
 11  BP_SUM                   62988 non-null  int64  
 12  EP_SUM_YR_1              62988 non-null  int64  
 13  EP_SUM_YR_2              62988 non-null  int64  
 14  SUM_YR_1                 62437 non-null  float64
 15  SUM_YR_2                 62850 non-null  float64
 16  SEG_KM_SUM               62988 non-null  int64  
 17  WEIGHTED_SEG_KM          62988 non-null  float64
 18  LAST_FLIGHT_DATE         62988 non-null  object 
 19  AVG_FLIGHT_COUNT         62988 non-null  float64
 20  AVG_BP_SUM               62988 non-null  float64
 21  BEGIN_TO_FIRST           62988 non-null  int64  
 22  LAST_TO_END              62988 non-null  int64  
 23  AVG_INTERVAL             62988 non-null  float64
 24  MAX_INTERVAL             62988 non-null  int64  
 25  ADD_POINTS_SUM_YR_1      62988 non-null  int64  
 26  ADD_POINTS_SUM_YR_2      62988 non-null  int64  
 27  EXCHANGE_COUNT           62988 non-null  int64  
 28  avg_discount             62988 non-null  float64
 29  P1Y_Flight_Count         62988 non-null  int64  
 30  L1Y_Flight_Count         62988 non-null  int64  
 31  P1Y_BP_SUM               62988 non-null  int64  
 32  L1Y_BP_SUM               62988 non-null  int64  
 33  EP_SUM                   62988 non-null  int64  
 34  ADD_Point_SUM            62988 non-null  int64  
 35  Eli_Add_Point_Sum        62988 non-null  int64  
 36  L1Y_ELi_Add_Points       62988 non-null  int64  
 37  Points_Sum               62988 non-null  int64  
 38  L1Y_Points_Sum           62988 non-null  int64  
 39  Ration_L1Y_Flight_Count  62988 non-null  float64
 40  Ration_P1Y_Flight_Count  62988 non-null  float64
 41  Ration_P1Y_BPS           62988 non-null  float64
 42  Ration_L1Y_BPS           62988 non-null  float64
 43  Point_NotFlight          62988 non-null  int64  
dtypes: float64(12), int64(24), object(8)
memory usage: 21.6+ MB


MEMBER_NO       会员卡号
FFP_DATE        入会时间
FIRST_FLIGHT_DATE  第一次飞行时间  
GENDER         性别      
FFP_TIER        会员卡级别     
WORK_CITY       城市    
WORK_PROVINCE    省份    
WORK_COUNTRY     国家  
AGE           年龄
LOAD_TIME       观测窗口结束时间
FLIGHT_COUNT     观测窗口内飞行次数
BP_SUM         总基本积分
EP_SUM_YR_1      
EP_SUM_YR_2            
SUM_YR_1        第一年总票价      
SUM_YR_2        第二年总票价     
SEG_KM_SUM       观测窗口的总飞行公里数  
WEIGHTED_SEG_KM        
LAST_FLIGHT_DATE      
AVG_FLIGHT_COUNT  平均飞次数    
AVG_BP_SUM            
BEGIN_TO_FIRST         
LAST_TO_END            
AVG_INTERVAL     平均时间间隔       
MAX_INTERVAL     最大时间间隔     
ADD_POINTS_SUM_YR_1     
ADD_POINTS_SUM_YR_2      
EXCHANGE_COUNT        
avg_discount      平均折扣率    
P1Y_Flight_Count     
L1Y_Flight_Count       
P1Y_BP_SUM            
L1Y_BP_SUM             
EP_SUM                    
ADD_Point_SUM             
Eli_Add_Point_Sum          
L1Y_ELi_Add_Points         
Points_Sum                 
L1Y_Points_Sum             
Ration_L1Y_Flight_Count  
Ration_P1Y_Flight_Count  
Ration_P1Y_BPS           
Ration_L1Y_BPS           
Point_NotFlight    非乘机的积分变动次数

data['GENDER'].value_counts()

男    48134
女    14851
Name: GENDER, dtype: int64

data['GENDER'].fillna('男')

0        男
1        男
2        男
3        男
4        男
        ..
62983    女
62984    男
62985    女
62986    女
62987    女
Name: GENDER, Length: 62988, dtype: object

“FFP_DATE”, “LOAD_TIME”, “FLIGHT_COUNT”, “SUM_YR_1”, “SUM_YR_2”, “SEG_KM_SUM”, “AVG_INTERVAL” , “MAX_INTERVAL”, “avg_discount”
FFP_DATE 入会时间
LOAD_TIME 观测窗口结束时间
FLIGHT_COUNT 观测窗口内飞行次数
SUM_YR_1 第一年总票价
SUM_YR_2 第二年总票价
AVG_INTERVAL 平均时间间隔
MAX_INTERVAL 最大时间间隔
avg_discount 平均折扣率

选取的特征是第一年总票价、第二年总票价、观测窗口总飞行公里数是要计算平均飞行每公里的票价，因为对于航空公司来说并不是票价越高，飞行公里数越长越能创造利润，相反而是那些近距离的高等舱的客户创造更大的利益。
当然总飞行公里数、飞行次数也都是评价一个客户价值的重要的指标
入会时间可以看出客户是不是老用户及忠诚度
通过平均乘机时间间隔、观察窗口内最大乘机间隔可以判断客户的乘机频率是不是固定
平均折扣率可以反映出客户给公里带来的利益，毕竟来说越是高价值的客户享用的折扣率越高

“入会时间”, “飞行次数”, “平均每公里票价”, “总里程”, “时间间隔差值”, “平均折扣率”

filter_data = data[[ "FFP_DATE", "LOAD_TIME", "FLIGHT_COUNT", "SUM_YR_1", "SUM_YR_2", "SEG_KM_SUM", "AVG_INTERVAL" , "MAX_INTERVAL", "avg_discount"]]

filter_data.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 62988 entries, 0 to 62987
Data columns (total 9 columns):
 #   Column        Non-Null Count  Dtype  
---  ------        --------------  -----  
 0   FFP_DATE      62988 non-null  object 
 1   LOAD_TIME     62988 non-null  object 
 2   FLIGHT_COUNT  62988 non-null  int64  
 3   SUM_YR_1      62437 non-null  float64
 4   SUM_YR_2      62850 non-null  float64
 5   SEG_KM_SUM    62988 non-null  int64  
 6   AVG_INTERVAL  62988 non-null  float64
 7   MAX_INTERVAL  62988 non-null  int64  
 8   avg_discount  62988 non-null  float64
dtypes: float64(4), int64(3), object(2)
memory usage: 4.8+ MB

filter_data['SUM_YR_1'].fillna(filter_data['SUM_YR_1'].mean(),inplace=True)
filter_data['SUM_YR_2'].fillna(filter_data['SUM_YR_2'].mean(),inplace=True)

filter_data.describe([.02,.10,.25,.5,.75,.90,.99]).T

	count	mean	std	min	2%	10%	25%	50%	75%	90%	99%	max
FLIGHT_COUNT	62988.0	11.839414	14.049471	2.0	2.0000	2.000000	3.000000	7.000000	15.000000	27.00	69.00	213.0
SUM_YR_1	62988.0	5355.376064	8073.902161	0.0	0.0000	0.000000	1020.000000	2844.000000	6524.250000	12939.00	37858.47	239560.0
SUM_YR_2	62988.0	5604.026014	8693.824796	0.0	0.0000	0.000000	785.000000	2784.000000	6826.250000	14065.90	41179.73	234188.0
SEG_KM_SUM	62988.0	17123.878691	20960.844623	368.0	1475.7400	2727.000000	4747.000000	9994.000000	21271.250000	39729.60	100841.28	580717.0
AVG_INTERVAL	62988.0	67.749788	77.517866	0.0	2.0000	9.729730	23.370370	44.666667	82.000000	146.00	412.00	728.0
MAX_INTERVAL	62988.0	166.033895	123.397180	0.0	2.0000	18.000000	79.000000	143.000000	228.000000	339.00	551.00	728.0
avg_discount	62988.0	0.721558	0.185427	0.0	0.3775	0.508989	0.611997	0.711856	0.809476	0.92	1.41	1.5

data["LOAD_TIME"] = pd.to_datetime(data["LOAD_TIME"])
data["FFP_DATE"] = pd.to_datetime(data["FFP_DATE"])
data["入会时间"] = data["LOAD_TIME"] - data["FFP_DATE"]
data["平均每公里票价"] = (data["SUM_YR_1"] + data["SUM_YR_2"]) / data["SEG_KM_SUM"]
data["时间间隔差值"] = data["MAX_INTERVAL"] - data["AVG_INTERVAL"]
deal_data = data.rename(
    columns = {"FLIGHT_COUNT" : "飞行次数", "SEG_KM_SUM" : "总里程", "avg_discount" : "平均折扣率"},
    inplace = False
)
filter_data = deal_data[["入会时间", "飞行次数", "平均每公里票价", "总里程", "时间间隔差值", "平均折扣率"]]

filter_data['平均每公里票价'] = filter_data['平均每公里票价'].fillna(value = 0)

filter_data.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 62988 entries, 0 to 62987
Data columns (total 6 columns):
 #   Column   Non-Null Count  Dtype          
---  ------   --------------  -----          
 0   入会时间     62988 non-null  timedelta64[ns]
 1   飞行次数     62988 non-null  int64          
 2   平均每公里票价  62988 non-null  float64        
 3   总里程      62988 non-null  int64          
 4   时间间隔差值   62988 non-null  float64        
 5   平均折扣率    62988 non-null  float64        
dtypes: float64(3), int64(2), timedelta64[ns](1)
memory usage: 3.4 MB

filter_data['入会时间'].dt.days

0        2706
1        2597
2        2615
3        2047
4        1816
         ... 
62983    1046
62984    1484
62985    2923
62986     418
62987     407
Name: 入会时间, Length: 62988, dtype: int64

#filter_data['入会时间'] = filter_data['入会时间']/(60*60*24*10**9)
filter_data['入会时间']=filter_data['入会时间'].dt.days

from sklearn.preprocessing import StandardScaler

standard = StandardScaler()
standard.fit(filter_data)

StandardScaler()

S_data = pd.DataFrame(standard.transform(filter_data))

S_data.columns=["入会时间", "飞行次数", "平均每公里票价", "总里程", "时间间隔差值", "平均折扣率"]

S_data.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 62988 entries, 0 to 62987
Data columns (total 6 columns):
 #   Column   Non-Null Count  Dtype  
---  ------   --------------  -----  
 0   入会时间     62988 non-null  float64
 1   飞行次数     62988 non-null  float64
 2   平均每公里票价  62988 non-null  float64
 3   总里程      62988 non-null  float64
 4   时间间隔差值   62988 non-null  float64
 5   平均折扣率    62988 non-null  float64
dtypes: float64(6)
memory usage: 2.9 MB

from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score
#返回所有轮廓系数的均值
from sklearn.metrics import silhouette_samples
#返回每个样本的自己的轮廓系数

inertia = []
silhouette = []
for i in range(2,10):

    cluster = KMeans(n_clusters=i,random_state=0,n_jobs=4).fit(S_data)
    
    inertia.append(cluster.inertia_)
    silhouette.append(silhouette_score(S_data,cluster.labels_))

print(inertia)
print(silhouette)

[300992.94143881754, 249961.1287967345, 212929.66150454507, 187429.24421259848, 170776.80489673465, 154981.14913712352, 145834.9083294653, 138235.00566447436]
[0.3592867371629582, 0.21454689862059148, 0.20674237627094663, 0.2213072501911795, 0.2103711574222313, 0.21673681639729542, 0.20137242231980962, 0.2065838067406841]

from matplotlib import pyplot as plt

#画图，通过观察SSE与k的取值尝试找出合适的k值
# 中文和负号的正常显示
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.rcParams['font.size'] = 12.0
plt.rcParams['axes.unicode_minus'] = False
# 使用ggplot的绘图风格
plt.style.use('ggplot')

fig=plt.figure(figsize=(10, 8))
ax=fig.add_subplot(1,1,1)
ax.plot(range(2,10),inertia,marker="+")
ax.set_xlabel("n_clusters", fontsize=18)

fig.suptitle("KMeans", fontsize=20)
plt.show()

在这里插入图片描述

#画图，通过观察SSE与k的取值尝试找出合适的k值
# 中文和负号的正常显示
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.rcParams['font.size'] = 12.0
plt.rcParams['axes.unicode_minus'] = False
# 使用ggplot的绘图风格
plt.style.use('ggplot')

fig=plt.figure(figsize=(10, 8))
ax=fig.add_subplot(1,1,1)
ax.plot(range(2,10),silhouette,marker="+")
ax.set_xlabel("n_clusters", fontsize=18)

fig.suptitle("KMeans", fontsize=20)
plt.show()

在这里插入图片描述

for i in range(4,9,2):
    kmodel = KMeans(n_clusters=i, n_jobs=4)
    kmodel.fit(S_data)
    # 简单打印结果
    r1 = pd.Series(kmodel.labels_).value_counts() #统计各个类别的数目
    r2 = pd.DataFrame(kmodel.cluster_centers_) #找出聚类中心
    # 所有簇中心坐标值中最大值和最小值
    max = r2.values.max()
    min = r2.values.min()
    r = pd.concat([r2, r1], axis = 1) #横向连接（0是纵向），得到聚类中心对应的类别下的数目
    r.columns = list(S_data.columns) + [u'类别数目'] #重命名表头

    # 绘图
    fig=plt.figure(figsize=(10, 8))
    ax = fig.add_subplot(111, polar=True)
    center_num = r.values
    feature = ["入会时间", "飞行次数", "平均每公里票价", "总里程", "时间间隔差值", "平均折扣率"]
    N =len(feature)
    for i, v in enumerate(center_num):
        # 设置雷达图的角度，用于平分切开一个圆面
        angles=np.linspace(0, 2*np.pi, N, endpoint=False)
        # 为了使雷达图一圈封闭起来，需要下面的步骤
        center = np.concatenate((v[:-1],[v[0]]))
        angles=np.concatenate((angles,[angles[0]]))
        # 绘制折线图
        ax.plot(angles, center, 'o-', linewidth=2, label = "第%d簇人群,%d人"% (i+1,v[-1]))
        # 填充颜色
        ax.fill(angles, center, alpha=0.25)
        # 添加每个特征的标签
        ax.set_thetagrids(angles[:-1] * 180/np.pi, feature, fontsize=15)
        # 设置雷达图的范围
        ax.set_ylim(min-0.1, max+0.1)
        # 添加标题
        plt.title('客户群特征分析图', fontsize=20)
        # 添加网格线
        ax.grid(True)
        # 设置图例
        plt.legend(loc='upper right', bbox_to_anchor=(1.3,1.0),ncol=1,fancybox=True,shadow=True)

    # 显示图形
    plt.show()

在这里插入图片描述

第一簇人群，9991人，最大的特点是时间间隔差值最大，分析可能是“季节型客户”，一年中在某个时间段需要多次乘坐飞机进行旅行，其他的时间则出行的不多，这类客户我们需要在保持的前提下，进行一定的发展；
第二簇人群，3157人，最大的特点就是平均每公里票价和平均折扣率都是最高的，应该是属于乘坐高等舱的商务人员，应该重点保持的对象，也是需要重点发展的对象，另外应该积极采取相关的优惠政策是他们的乘坐次数增加，有钱人；
第三簇人群，16245人，入会时间较短，每公里票价和平均折扣率属于较高的属于新用户
第四簇人群，5221人，总里程和飞行次数都是最多的，而且平均每公里票价也较高，是重点保持对象
第五簇人群，14357人，最大的特点就是入会的时间较长，属于老客户按理说平均折扣率应该较高才对，但是观察窗口的平均折扣率较低，而且总里程和总次数都不高，分析可能是流失的客户；
第六簇人群，14027人，各方面的数据都是比较低的，属于一般或低价值用户

大地之灯

关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
1
评论
机器学习 day7 kmeans 聚类算法

#准确的客户分类的结果是企业优化营销资源的重要依据，本文利用了航空公司的部分数据，利用Kmeans聚类方法，对航空公司的客户进行了分类，来识别出不同的客户群体，从来发现有用的客户，从而对不同价值的客户类别提供个性化服务，指定相应的营销策略。# coding=utf-8import pandas as pdimport numpy as np#忽略报警import warningswarnings.filterwarnings("ignore")#读取原始数据，指定UTF-8编码（需要用文本编
复制链接

扫一扫