1、psm价格敏感度分析对应的是不同的用户对于价格的敏感度,分析的角度是从消费者的角度的。体现的是客户和消费者的直接关系,没有考虑到其他的竞争者的因素的出现的。

PSM模型比较适合用于网游中的道具或服务的定价: 适用范围是是没有任何竞争者的下面的,消费者对于产品的价格的敏感程度的。

下面是项目中的kmeans的实际操作的流程的信息。

kmeans的训练和预测部分

需要注意的是kmeans的训练和预测对应的是需要不同的数据的。并且训练和预测一般的是分开执行操作的,对应的数据源也是不一样的。

kmeans其主要目的是将n个样本点划分为k个簇,使得相似的样本尽量被分到同一个聚簇。

K-Means的一个重要的假设是:数据之间的相似度可以使用欧氏距离度量,如果不能使用欧氏距离度量,要先把数据转换到能用欧氏距离度量,这一点很重要。使用距离表明两个点是否处于同样的一个类别之下的。

哲学思想:距离相近的人总是拥有相同的特质的。相同的类别之内总是可以找到共同的特点的。

psm价格敏感度分析的实质是建立kmeans的族信息和tag的类别数据之间的关联关系。实现的是大量的数据到离散数据的聚类操作。将数据划分为不同的类别从而与现实业务中的各种类别进行匹配操作从而得到及预测的结果信息。

kmeans的优缺点以及适用的场景分析:

1.需要实现确定k,也就是中心点的个数的。需要确定对应的族的类别的总数的。这个类别一般的是需要和业务的类别保持一致或者是包含业务类别的,这个很不理想。

2.计算的是距离,数据中存在异常点或者偏差的时候,中心点会向着异常点移动,造成异常的。没有事先进行数据的处理操作和降噪处理的。

3.数据分布凸形的数据的,不能处理凹形或者是更多的其他形状的数据的。

4.聚簇中心初始化,收敛到局部最优,未考虑密度分布等等。没有考虑到更多的数据的密度等的数据精确性的问题的,处理的问题比较的简单的。

现在使用的较为简单的kmeans算法存在精度太低的问题的,不能够完整的反应出来数据本身的异常的。需要采用更加准确的聚类算法和更加优秀的评价指标来评价数据的相似性的。

下面是使用kmeans的两个类型的区分操作信息:

1.RFM:客户消费行为评分模型

对应的从三个维度对客户进行打标签操作的,而不是从整体上执行操作的。

对应的维度数据是这样的,下面是对应的维度数据分析操作。

最近一次消费-Recency:近期购买的客户倾向于再度购买。对应的指标是R

消费频率-Frequency:经常购买的客户再次购买概率高,对应的指标是F

消费金额-Monetary:消费金额较多的客户再次消费可能性更大,对应的指标是M

需要从这三个维度给客户加上标签信息的:

RFM分析应用为客户分组,即将三个指标分别分为“高”和“低”两种,高于均值的为“高”,低于均值的为“低”。因此有三件事要做:计算出各个指标得分的平均值;将各个变量高于平均分的定义为“高”,低于平均分的定义为“低”;根据三个变量“高”“低”的组合来定义客户类型;如“高”“高”“高”为高价值客户。

#  RMF模型数据的使用:针对下面的标签可以采取不同的处理措施来进行处理操作的。

RMF维度数据的划分操作

2.PSM价格敏感度分析操作:针对的是客户对于价格的接受程度执行分析的。进行的是单一维度的kmeans操作分析的。

kmeans算法经典案例C语言,kmeans聚类算法以及使用案例相关推荐

  1. K-means 方法实现3D点云的聚类算法

    K-means 方法实现3D点云的聚类算法 import numpy as np import open3d as o3d import copy import random from matplot ...

  2. 经典c语言基础代码大全,10个经典的C语言面试基础算法及代码

    <10个经典的C语言面试基础算法及代码>由会员分享,可在线阅读,更多相关<10个经典的C语言面试基础算法及代码(24页珍藏版)>请在人人文库网上搜索. 1.10个经典的C语言面 ...

  3. K-Means(K-均值)、k-median聚类算法机器学习

    聚类 聚类,简单来说,就是将一个庞杂数据集中具有相似特征的数据自动归类到一起,称为一个簇,簇内的对象越相似,聚类的效果越好.它是一种无监督的学习(Unsupervised Learning)方法,不需 ...

  4. 计算机视觉的几个经典算法 —— 最小二乘法 + RANSAC + 哈希算法(附DCT) + 图像聚类算法

    计算机视觉的几个经典算法 目录 计算机视觉的几个经典算法 1. 最小二乘法(寻找线性回归函数) 2. RANSAC(模型已知,参数未知) 2.1 RANSAC 与 最小二乘法的区别 2.2 RANSA ...

  5. 2022高教社杯数学建模思路 - 案例:BIRCH-层次聚类算法

    2022 高教社杯(国赛数学建模)思路解析 2022高教社杯ABCD赛题思路解析: https://blog.csdn.net/dc_sinor/article/details/126211983 1 ...

  6. a*算法的优缺点_五种聚类算法一览与python实现

    大家晚上好,我是阿涛. 今天的主题是聚类算法,小结一下,也算是炒冷饭了,好久不用真忘了. 小目录: 1.K-means聚类2.Mean-Shift聚类3.Dbscan聚类4.层次聚类5.GMM_EM聚 ...

  7. k均值聚类算法优缺点_Grasshopper实现K均值聚类算法

    本文很长很长,有很多很多图,包含以下部分: 1.算法简介 2.如何分类平面点 3.如何分类空间点 4.如何分类多维数据 5.后记 提醒:以下内容包括:智障操作,无中生友,重复造轮子 等 1.算法简介 ...

  8. 聚类算法小结(2)——谱聚类算法

    上一篇博客中简单介绍了K均值聚类算法,在本篇博客中介绍一下关于谱聚类算法,简单谈一谈自己的心得.简单介绍一下谱聚类算法 谱聚类算法建立在谱图理论基础上,与传统的聚类算法相比,它具有能在任意形状的样本空 ...

  9. 银行家算法实验报告c语言版,银行家算法实验报告C语言版.doc

    <操作系统>课程综合性实验报告 姓名: 学号: 2016 年 11 月 20 日 实验题目进程调度算法程序设计一.实验目的 通过对安全性算法和银行家算法的模拟,进一步理解资源分配的基本概念 ...

  10. c语言des算法实验报告,C语言实现DES算法实验报告解析.doc

    C语言实现DES算法实验报告解析 xx工程大学 实验报告 (2015-2016学年第一学期) 报告题目: DES加密算法 课程名称: 密码学B 任课教员: 专 业: 学 号: 姓 名: 二O一六年一月 ...

最新文章

  1. thinkphp 3.2跟3.1 区别
  2. 显式无参数构造函数与默认构造函数
  3. android 仿ios timepicker,android:TimePicker仿照IOS時間選擇器,可自定義選擇器
  4. __ATTRIBUTE__ 你知多少?
  5. 4.1.2电路交换、报文交换与分组交换
  6. php打印倒立金字塔,编写程序打印*字符形成的等腰三角形倒立金字塔图形 ******* ***** *** *...
  7. Python Tricks(十八) —— range
  8. Jquery-无法有效获取当前窗口高度
  9. 分享一点写掘金小册的经验和心得
  10. access 链接mysql数据库教程_ACCESS实例教程(数据库的编程)
  11. 计算机藏应用,应用隐藏大师计算器
  12. 解决SublimeText中文注释乱码
  13. 如何使用命令行从图像中提取文本
  14. NET 2.0(C#)调用ffmpeg处理视频的方法
  15. php md5算法,php如何实现md5算法?
  16. ZJOI2019Round#1
  17. 【Vue.JS】Vue.JS 表格内容排序组件,Render函数的使用
  18. 中国互联网25年:成也资本,败也资本!
  19. onenote for windows 10 下载与安装
  20. R语言图形编辑器GUI开发环境RStudio安装(Windows操作系统下、RStudio开发环境安装)

热门文章

  1. 高等数学上册 第一讲 极限与连续(1)
  2. 【JVM】17、垃圾回收器
  3. OneData指标体系
  4. Redis-03Redis数据结构--全局命令及字符串string
  5. 安卓res资源混淆器
  6. hadoop基础【Shuffle全部流程、OutputFormat输出、ReduceJoin案例实操】
  7. 密码保险箱 TBox
  8. ThinkPad SL400无线网卡的问题
  9. java 核心API day05 File类
  10. 导出windows密码技巧总结