对航空公司客户价值进行KMeans聚类分析

对航空公司客户价值进行KMeans聚类分析

使用sklearn.cluester的KMeans类对航空公司客户数据进行聚类分析，把乘客分到不同的类别中。
kmeans参数说明

from sklearn.cluster import KMeans
k = 5
model = …
KMeans(algorithm='auto', copy_x=True, init='k-means++',
       max_iter=300, n_clusters=5, n_init=10, n_jobs=None,
       precompute_distances='auto',random_state=None, tol=0.0001,verbose=0)

n-cluster：分类簇的数量
max_iter：最大的迭代次数
n_init：算法的运行次数
init：接收待定的string。kmeans++表示该初始化策略选择的初始均值向量之间都距离比较远，它的效果较好；random表示从数据中随机选择K个样本最为初始均值向量；
tol：接收float，表示算法收敛的阈值。
N_jobs：表示任务使用CPU数量
precompute_distance：接收Boolean或者auto：表示是否提前计算好样本之间的距离
verbose：0表示不输出日志信息；1表示每隔一段时间打印一次日志信息
经典的小问题就是对航空公司客户进行分类画图。先上代码

from sklearn.cluster import KMeans
import pandas as pd
import matplotlib.pyplot as plt
data=pd.read_csv(r'C:/Users/Downloads/air_data.csv')
print(data.shape)
print("数居前五行：",data.head(5))
#建立模型
model=KMeans(max_iter=300,n_clusters=5,random_state=None,tol=0.0001)
model.fit(data)
#对于拟合后的向量距离进行打印，可以看出距离聚类中心远近
print("向量距离：",model.cluster_centers_)
r1 = pd.Series(model.labels_).value_counts()
r2 = pd.DataFrame(model.cluster_centers_)
r = pd.concat([r2, r1], axis=1)
r.columns = list(data.columns) + ['类别数目']
print(r)
#picture雷达图绘制
import numpy as np
labels = data.columns
k = 5
plotdata = model.cluster_centers_
color = ['b', 'g', 'r', 'c', 'y']#五色
angles = np.linspace(0, 2*np.pi, k, endpoint=False)
plotdata = np.concatenate((plotdata, plotdata[:, [0]]), axis=1)
angles = np.concatenate((angles, [angles[0]]))
fig = plt.figure()
ax = fig.add_subplot(111, polar=True)
for i in range(len(plotdata)):
  ax.plot(angles, plotdata[i], 'o-', color = color[i], label =u'customer' + str(i + 1), linewidth=2)
ax.set_rgrids(np.arange(0.01, 3.5, 0.5), np.arange(-1, 2.5, 0.5))
ax.set_thetagrids(angles * 180/np.pi, labels)
plt.legend(loc = 4)
plt.show()

使用的数据集是已经处理过的，只剩下五类重要的数据进行分类。
结果如下：


数据说明：
ZL：入会至当前时长，反应可能的活跃时间
ZR：最近消费时间间隔，反应最近一段时间活跃程度
ZF：消费频次，反应客户忠诚度
ZM：消费里程总额，反应客户对乘机的依赖程度
ZC：舱位等级对应折扣系数，一般舱位等级越高，折扣系数越大
可以看出数据已经良好的聚成五类，根据数据说明即可对客户成分进行分析，这里不再赘述。