(相关资料图)
一、项目背景
在本项目中，我们基于用户购买数据（Transaction Data)做用户的分群，使用的方法一次是RFM模型和K-means算法。 数据来源：
二、数据的读取
二、数据清洗
df
三、使用RFM模型
到目前为止，Recency, Frequency, MonetaryValue都是数值型的。 为了用户分群，我们需要把R,F,M的值分别需要映射到bucket中，比如Recency的值映射到1，2，3，4中的某一个数值上； Frequency映射到1，2，3，4中的某一个数值上，MonetaryValue也做同样的处理。 这里需要注意的一点是：值越大就说明用户越有价值，比如R=4的用户要比R=1的用户的价值更大。 所以当我们尝试映射的时候，也需要注意这一点。 因为Recency越大说明好久没有买了，所以这时候映射之后的数要越小； 相反，对于Frequency字段，这个值越大就说明用户购买次数越多，映射之后的值也需要越大； 所以我们需要考虑这一点。
接下来计算一下RFM_Score。这个值越大说明，说明这个用户价值越大。对于Score可以有不同的计算方式。但在这里我们使用最简单而且最经典的计算方法，其实就是把所有的值加在一起。 比如一个客户的 R=1, F=2, M=3, 则这个客户的RFM_Score为6。
data_rfm
上述通过阈值的方式来分群的操作有什么缺点？ 因为Recency 和 Frequency 与MonetrayValue有不同的分布且可能彼此之间相关，通过阈值划分阈值界线来划分数据并不能反映分布上的区分性
四、基于K-means算法的分群
接下来我们通过使用k-means算法来对用户分群，使用的值仍然是Recency, Frequency, Moneytary Value. 当我们使用k-means算法的时候经常需要做预处理工作，因为算法依赖于距离的计算，而且R,F,M的值的范围差别很大。
对于预处理，我们做如下2个方面的工作：
即使针对于某一个属性，它的值差别很大，所以我们先使用log transform把值做个转换使用归一化操作把值映射到 N(0,1)，使用的是
sklearn里的
StandardScaler。
data_rfm
基于以上的这幅图，我们通过拐点法来选出3个最好的K值。 簇内离差平方和拐点法的思想很简单，就是在不同的K值下计算簇内离差平方和,然后通过可视化的方法找到"拐点"所对应的K值; 通过可视化方法,重点关注的是斜率的变化,当斜率由大变小时,并且之后的斜率变化缓慢,则认为突然变化的点就是寻找的目标点,因为继续随着簇数K的增加,聚类效果不在有大的变化这时k应该是相对比较合理的值,所以这里可以选择K值6
km1
data_new
df
关键词：
