28、时间序列聚类与图聚类优化：提升数据分析效率与准确性

时间序列聚类与图聚类优化：提升数据分析效率与准确性

1. 时间序列聚类在市场篮分析中的应用

1.1 项目背景与目标

在市场竞争激烈的环境下，某公司迫切需要更严格地管理生产、库存控制和分销。为了更好地了解客户需求，传统的客户问卷调查成本高、耗时长且执行难度大。因此，项目旨在分析销售交易数据，以发现客户的购买行为。

1.2 数据准备

该公司拥有过去三年约56000条销售记录，涉及700多种产品，销售交易数据集包含十多个与交易相关的变量。为了进行时间序列聚类，仅选取每个交易的客户编号、产品部件编号、销售日期和订购数量作为分析数据集。

数据准备步骤如下：
1. 识别并移除少量无效记录（主要是取消的订单）。
2. 按客户编号、产品部件编号和销售日期对数据进行排序。
3. 按月汇总记录，并计算每个月的总订购数量。
4. 将数据重新格式化为每个月标识符作为一列，记录该月的销售数量。最终得到约2000条记录，涵盖36个月度时间点。

由于数据仅涵盖36个时间点，数据规模较小，可以直接对时间序列数据进行聚类。同时，为了避免聚类算法受实际购买数量的影响，对每个时间序列数据记录进行归一化处理，使其在聚类时具有相同的权重。

1.3 聚类结果与分析

使用K-Means聚类算法生成不同簇数（K = 35、K = 40、K = 45和K = 50）的聚类解决方案。基于轮廓系数，选择具有45个簇的解决方案进行进一步分析。

在生成的45个簇中，发现了许多有趣的互补部件集合，这些信息有助于销售员工制定定价、销售和营销策略。以供应给D公司的部件D -