python 时间减去一天_Python：用RFM模型、KMeans挖掘价值用户

一 本文目的

聚类分析是把相似的分析对象，根据各自特征分成不同的组别的统计方法。最常见的聚类分析应用场景是客户分群(segmentation)，并由此衍生出对客户的画像工作。

本文目的旨在用python对数据进行处理，并根据客户的RFM进行KMeans聚类，达到组内顾客特征相似，同时不同组的顾客之间的特征差异较为明显的目的。

二 理解数据

本文数据来源于kaggle网站：

Online Retail Data Set from UCI ML repo​www.kaggle.com

其中，数据的时间范围从2010年12月1日到2011年12月9日，一共8个字段，541909条记录。

字段分别为：InvoiceNo、StockCode、Description、Quantity、InvoiceDate、UnitPrice、CustomerID、Country；分别对应： 订单号、产品号、产品描述、每笔交易量、交易时间、产品、单价、用户ID、用户所在国家。

三 数据导入与预处理

1 数据导入

2 查看简要信息

3 修改列名

4 删除空值

上图可知，用户ID以及产品描述有空值，删除这两列的空值。

5 删除重复值

8列所有数据都一样的作为重复值，删除。

6 删除异常值

交易量，以及产品产品单价必定是大于0的，小于0的为异常值。

最后，剩下397884行。

7 特征延展

后期要用到M的值，因此新增一列交易金额；新增两列，两列数据来自于分别提取交易时间中的日期与时间。

8 求R

8.1 求出每个用户最近一次消费

用数据中的最后一天，减去最近一次消费时间

9 求F

相同的单号进行去重，求出每个用户的购买次数。

10 求M

11 构建表格

四 特征处理

1 对数化

观察数据，RF是1-400的数，M的取值范围是1-280206，我们先对三个数取对数，尽可能保留数据特征。

2 归一化/标准化

我们定义函数model：如果是True，表示进行归一化处理，False表示进行标准化处理。

这一步的目的是：到最后给KMeans模型进行评分时，进行调参。在此，我们先全部归一化处理。

五 模型构建

KMeans的关键是定义究竟分几类，也就是找到使平方误差函数最小的簇。

那么首先，我们计算出，如果切分为1-8类，对应的簇内误差平方和。

可知，聚类数目到3时，曲线逐渐开始平缓。因此，K=2即为最佳聚类数目。

因为KMeans是基于切割的聚类，在此我们也可以计算轮廓系数，进行对比衡量聚类效果。

如上，结果确实是n=2最好。

有了以上的轮廓系数，以及簇内误差平方和，我们可以反复调参，最后达到最好的效果。

六 得出结果

经过调节，最后得出：“r=False,f=True,m=False”时，n=3，效果最好。

此时，分类后的群体，RFM的平均值，贡献的总金额大小，以及个数如下：