K-means聚類演算法

來自專欄袁帥:互聯網數據分析運營

聚類應用場景

通過客戶消費行為測量，評判客戶價值，對客戶進行細分，找到有價值的客戶和需要關注的客戶。

合理對菜品進行分析，以便區分哪些菜品暢銷、毛利高，哪些菜品滯銷、毛利低。

1. 聚類演算法簡介

聚類是一種非監督的學習演算法。聚類根據數據自身的距離（相似度）將它們劃分為若干組，劃分的原則是組內樣本最小化而組間距離最大化，如圖所示。

3、常見聚類演算法

4、演算法過程

（1）從N個樣本數據中隨機選取K個對象作為初始的聚類中心；

（2）分別計算每個樣本到各個聚類中心的距離，將對象分配到距離最近的聚類中；

（3）所有對象分配完成後，重新計算K個聚類的中心；

（4）與前一次計算得到的K個聚類中心比較，如果聚類中心發生變化，轉第（2）步，否則轉第（4）步；

（5）當質心不發生變化時停止並輸出聚類結果。

5、matlab中的Kmeans函數

[IDX,C,sumd,D]=kmeans(x,k,param1,val1,param2,val2,…)

輸出：

IDX：每個樣本數據的類別

C：k個類別的中心向量

Sumd:每個類別樣本到中心向量的距離和，1*k維向量

D：每個樣本到中心的距離，n*k維矩陣

輸入：

X—聚類數據，N*P的矩陣

K—聚類數，整數

6、實戰演練

根據餐飲客戶的消費行為數據，將客戶分類成不同的客戶群，並評價這些客戶的價值。

設定聚類個數為k=3，最大迭代次數為』MaxIter』=500，距離選歐式距離』distance』=sqEuclidean

K-means聚類演算法代碼

%% 使用K-Means演算法聚類消費行為特徵數據

clear ;clc;

% 參數初始化

inputfile = ../data/consumption_data.xls; % 銷量及其他屬性數據

k = 3; % 聚類的類別

iteration =500 ; % 聚類最大循環次數

distance = sqEuclidean; % 距離函數

%% 讀取數據

[num,txt]=xlsread(inputfile);

data = num(:,2:end);

%% 數據標準化

data = zscore(data);

%% 調用kmeans演算法

opts = statset(MaxIter,iteration);

[IDX,C,sumd,D] = kmeans(data,k,distance,distance,Options,opts);

%% 列印結果

for i=1:k

disp([第 num2str(i) 組聚類中心為：]);

disp(C(i,:));

end

T = tabulate(IDX) %%統計數組中相同元素的個數，第一列是各種不同取值；第二列是各種不同取值對應的個數；第三列是各種不同取值對應的比例

disp(K-Means聚類演算法完成！);

結果展示

實驗數據與代碼：K-means演算法

鏈接：https://pan.baidu.com/s/1H81dqop5E1UilMFIWYMseQ 密碼：38vi