些元素分别划归到相异度最低

[tamim1234]

规格化的意思就是将各个属性值按比例映射到相同的取值区间通常将各个属性均映射到[,]区间，这样是为了平衡各个属性对距离的影响。 映射公式为： 表示所有元素项中i个属性的最大值和最小值，x是集合中的一个属性指标。 、k-mens聚类算法 把近两年内还有订购记录的客户设定为一个元素集合D，其中每个元素有个具有可观察的属性：R近度、F频度、M值度。 元素集合D按照K-mens聚类算法把他分为个聚类子集： 把集合D中每一个元素客户的RFM属性进行规格化，是基于按照映射公式把各个属性均映射到[,]区间的 结果； 对集合的各个属性进行加权处理，加权属性权重H法确定的权向量中对应的权重，加权后的集合； 从集合中随机选取K个元素k ，作为作为k个簇的各自的中心； 分别计算剩下的元素到k个簇中心


的相异度按照欧几里得距离度量，将这的簇； 根据聚类结果，重新计算k个簇各自的中心，计算方法是取簇中所有元素各自维度的算术平均数； 将集合中全部元素按照新的中心重新聚类； 重复第步，直到聚类结果跟最近一次的聚类结果一致，不再变化； 输出最终的聚类结果； 、划分客户类别 不同的层级聚合揭示不同层级的客户在行为上的特性以及变化倾向，划分客户类 加纳电话号码列表 别方法如： 计算K均值聚类中每类客户的RFM平均值： ，其中< i <n，n指的是每类中的客户设备数，指的是对应类别中每台设备的R之和，R的计量单位为天； ，其中< i <n，n指的是每类中的客户设备数，指的是对应类别中每台设备的F之和，F的计量单位为次； ，其中< i <n，n指的是每类中的客户设备数，指的是对应类别中每台设备的M之和，M的计量单位为SD； 将每类客户的RFM平均值和总RFM平均值作比较： 将K均值聚类的类客户的RFM平均值同总RFM均值进行比较。

K均值聚类类别客户的均值大于等于总均值，则给该指标对应坐标为“价值高”坐标； K均值聚类类别客户的均值小于总均值，则给该指标对应坐标为“价值低”坐标； 划分RFM客户价值分类： 根据RFM空间坐标模型，匹配对应R、F、M三个指标的坐标，把K均值聚类的个类别客户划分为个类别：重要价值客户、重要发展客户、重要保持客户、重要挽留客户、一般价值客户、一般发展客户、一般保持客户、一般挽留客户。 客户价值排序 、RFM指标分类客户价值 输出每一类客户的评分集合 ，其中< i <，R，F，M分别代表R近度、F频度、M值度的等级评分。 对评分集合的RFM属性进行规格化，规格化，其中按照映射公式把各个属性均映射到[,]区间的结果。