python求1到100平均值 机器学习之聚类分析，如何分析用户？

机器学习之聚类分析，如何分析用户？

机器学习问题有两种:有监督学习和无监督学习。聚类分析是无监督机器学习中的一种算法。

做用户分析时，聚类分析主要用于用户分类，下面用一个案例说明。

案例背景在用户运营的过程中，通常需要根据用户的属性进行分类，从而在转化的过程中获得更多的利益。用户有很多属性，应该选择哪些属性进行分析？

基础理论1。第一个基础理论:RFM模型

根据美国数据库营销研究机构阿瑟·休斯的研究，客户数据库中有三个神奇的元素，构成了客户分类的最佳指标:

R-当前持续时间的最新消费(最近)

F-消费频率

M- money(钱)

例如:

客户A，R: 180天，F:每月一次，M: 100元/月。

客户B，R: 3天，F: 10次/月，M: 1000元/月。

可以得出顾客B的价值高于顾客a的结论，这种理论被称为RFM模型。

2.第二个基础理论:聚类分析。

在实际问题中，客户超过两个，通常会有很多用户，所以需要根据R、F、M指标对用户进行分类，然后判断每个类别的客户价值，对用户进行分类的常用方法是聚类分析。

以上两种基本理论统称为RFM聚类分析。

提取数据例如，数据分析师从数据库中提取以下与用户相关的数据。

用户ID、首次购买时间、上次购买时间、总购买金额和总购买次数。

属性构建根据RFM模型，我们需要三个指标，R，F，M，但是我们得到的数据是没有的，所以我们需要先根据原始数据来构建这三个指标:

r:距离上次投资有多久了？

f:每月平均购买次数

m:平均每月购买金额

注:假设该产品的消费频率为月，所以这里的统计以月为单位。通过聚类分析构建R、F、M三个指标后，利用工具(Python、R或SPSS)进行K-Means聚类分析，将用户分为4或8类。

说明:这里主要用聚类分析！！！

给出一个结论，计算每个类别的R、F、M指标的平均值。根据这三个核心指标，标记出每个类别的用户价值:高价值用户、重要留存客户、重要留存客户、低价值客户。

回答完毕！

怎样利用python来计算平均数？

1.首先，让我们 让我们来看看计算平均值的IPO模型。

计算平均值时要输入的数字。

3.处理:平均算法。

4.输出:一般。

5.了解了程序的IPO模式后，我们打开本地python IDE。

用户 客户 聚类分析 指标

版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。