使用 K-means 算法进行客户分类

本文为 AI 研习社编译的技术博客，原标题 ：

Customer segmentation using Machine Learning K-Means Clustering

翻译 | 吕鑫灿、就2    校对 | 就2    整理 | 志豪

原文链接：

http://www.patterns7tech.com/customer-segmentation-using-machine-learning-k-means-clustering/

Rajshekhar Bodhale | 2017年11月17日 | 机器学习

基于信息技术的大多数平台正在生成大量数据。这些数据称为大数据，它承载了大量的商业智能。这些数据互相交融以满足不同的目标和可能性。应用机器学习技术就很有可能为客户创造价值。

  问题描述

我们在会计学和物联网领域拥有基于大数据的平台，可以持续生成客户行为和设备监控数据。

识别目标客户群或者基于不同维度分析（推导）模式非常关键，并且实在的为平台提供了优势。

  对应想法

假设你有1000个客户使用你的平台并且不断地产生体量庞大的大数据，任何关于这方面的深入见解都将产生新的价值。

作为Patterns7团队不断尝试的机器学习计划和创新事物的一部分，我们对K-Means聚类算法进行了实验，这为客户带来的价值非常惊人。

  解决方案

聚类是将一组数据点划分为少量聚类的过程。在本部分中，你将理解并学习到如何实现K-Means聚类。

  K-Means聚类

K-Means聚类是一种常用于将数据集自动划分为K个组的方法，它属于无监督学习算法。

  K-Means目标

K均值的目的是使每个点到其对应的聚类质心的距离的平方和最小。给定一组观测值（x1,x2,...,xn）ÿ