， 研究与开发 ／ ／ ／ —————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————一——————————————————————文章编号：１００７—１｛２３（２０１ ７）２９—００２９—０３ ＤＯＩ：１０．３９６９／－ｊ．ｉ ＳＳｒ１．１００７ １４２３．２０Ｉ ７．２９．００７ 基于Ｋ－ｍｅａｎｓ的用户分群分析 简宋全，李青海，泰于钦 摘要： 刈’Ｊ 仃 、Ｉｌ，水蜕，对 户的精准分群行为ｎｆ以将大众苻销的方式转换为精准 Ｉ”ｔ。［１ ｊ力‘ 从 僻刘巫好的『Ｉ１１报葺≮，” 刈ｒ Ｌ￣ｆ，、 ｛ 、 进仃研究，采川１ Ｋ—ｔ ａ， ｓ的粜类方法对电信川广Ｉ数据进行用户分群， Ｊ寸采川 像法的力‘ 对分群个数 以技分衅准确 度进行分析．并从分析结果ｆ｛］挖掘ｍ有Ｈ】信息辅佐于运苻商的，ｉｋ务 ＊术 关键词： Ｋ—ｍｔ，ｚ１１ ；电ｆ ｉｆ、Ｉ ； 准 ｝ 基金项目： 人河Ｉ≮科技汁划项ｆＪ（Ｎｏ．２０ｌ５０２ＹＨ０１９） ０ 引言 分为３个群体，然 刈‘每个群体进ｆ 统汁分析，以 到 埘ｊ 川 的分析埘丁符行符）Ａｆｆｌｇ 十分重要的一 最后的结果 ，能准确地将Ｉ ｌ Ｊｔ 分为各个群体进行挖掘分析 １ Ｋ－ｍｅａｎｓ聚类算法解析 址ｆ。分 聚类分析简称柴类，址－ｆ１ｐ尤监督的机搽学习斡： 甜Ｊｌ ，进 分群僻婵埘ｒ企业来说是一种降低成 法，其主要作川为将 数 集分为多个 想交的数掂 小提Ｉ 效率的ｈ‘法，通过群ｆ小分类，可以『厂Ｉ结川：陔群体 集，且在这些数据集ｒ｛，的数｛ｌ Ｉｆｉ１１彼此 似，ｆＩＪ与Ｊ 他 的特 ｔ 为偏好等ｆ ，从而摊川 埘性的管理方法 数据集中的数据特 Ｉｌ１会仃 ＩＩ』】 ｆｆ】营销，Ｊ‘案， 达到符个企、ＩｋＸ；Ｊ－成本控制以及苻销召 对于聚类分析的钟：法解释我ｆ『Ｊ一－ｒ以理解为，假设 … 的需求 仃在一个数据集，ｌ发数抓集ｉ，ｆ以 拊数 ｎ 特 划分 然 刈’ Ｉｔｆ一的分群通常仃 许多 题，数据的 为ｋ个不相交子集，ｆＩ．ｋ的数： 大１ ｌ，所订的子集的 乩 瞍、： 级的人小，以及类圳的界定，种种原 导 集合为原始数据集 ｆ１＿ 个 策【ｆｌ， 【ｆｌ的数掘 敛＿ｒｉ发过 难以实现Ｉ大Ｉ此，小义采川Ｋ—Ｉｌｌｅ￣ｌｌｌＳ聚类 与 子集巾数据特ｆｉＩ！川似 ， ｊ 他子集Ｉｆ 数 特 的数 挖捌 ０太￣，Ｊｌｔｊ厂 进行聚类处胖，ｋ聚类为 监督 具有差异性一 』 数批挖舢《钟：法，ｎｆ以蜓 数抛『｝】的各个特 将数 Ｋ—１］ｌｅ［ｔｌｌＳ聚类分析址柴 分忻Ｉ｝，最常Ｊ｝］５－帅 一种 分 ｋ个群 ，这样只需 分忻每个群体巾的特性 聚类方法，该方法采川离ＩＩ１心点距离最廷 ，Ｊ力 式进仃 桃川‘以刈’陔舯体实仃卡ｆ】幢的埘策 背销方案 聚类，同时指定聚类ｒＩ ，Ｊ ｋ仉，也就足聚类 集的个 小义案例『ｆ１我们采川的足电 行业的川户行为 数 从数据语 １ 捕述 ｌ－ｒ描述为仃 一个数 集 数｝Ｊ－㈠发数 ｒｆＩ包 川户 本信息， 龄、性别、枉 Ｄ 陔数批集南ｎ个对象绀成，我ｆｆＪ通过聚 分析的厅 ＿ＩＩ『Ｋ、癸 ｒ机。１ Ｊ１牌等，Ｊｔ 行为信息包含Ｊ｝】户不同时 』＝Ｉ＝将这Ｉ１个对象划分划ｋ个予集Ｃ ，ｃ ，…．Ｃ Ｉｔ１， 段的通ｉ￣ｒ，－Ｕ、ｒ Ｋ．缴赞 求，以及一些衍午的变鞋，例 似设ｌ≥ √≥厶日－ｉ≠ ，使ｉ Ｃ ｃ Ｄ Ｉ． ｎ Ｃ ＝ 』『ｌＪ．川 案址 合理等．该数抛巾包含１．８万条 埘于具体实现过 ，我ｆ『Ｊ 埘簇心僻慨念进 川ｒＪ数 ， 过一系列汁 ，我ｆ『Ｊ将ｋ值没定为３，将 行理解 Ｋ—ｌｎｆｆ￣ｌ１］Ｓ聚类ｉＩＩ＇ｉ我 将ｋ个 集称为ｋ个 现代计算机２０１７．１０中 ⑨ 、 ＼研究与开发 ＼ 簇，每个簇都具仃一个簇心，该簇心为簇ｆｆ】所有对象的 特 均值组成，而对于某个对象是否为陔簇的判断条 件为陔对象与该簇ｌ１ｌ心的距离，这里的距离采用欧氏 离进行计算 对丁聚类分析来说，首先要确定簇心才能判断一 个对象最终ｌＪ］属丁那个簇，但是存实际生活巾，我们无 法 接确定簇心，敝在小力 法Ｉ１ｌ采川无监督式的Ｋ— ｉｎｅａｌｌｓ算法米完成聚类，该算法迭代算法．首先在欧氏 审问Ｉｆｌ随机取ｋ个点作为簇心，然后根据簇心对所有 对象进行聚类，从 产生ｋ个簇， 利川均值特征的方 式产牛一个新的簇心，与原簇心进行对比，迭代， 至 最后簇心不会发牛变化则完成整个聚类过程 【 述捕述过程，其流程算法 下： 随ｆＪ【嫩ｋ个种子点 然后求数据ＩｆＩ每个点分别列这些种子点的欧氏 距离，并将这 数据点ｌＪ＿］丁其欧氏 离最短的种子点 下，形ｂ ｋ个簇 然 移动种子点值其簇的『ｆ１心 ④然后重复②、 步，直至第②步ｒ｛ 种子点不会在 移动，也就是种子点的原始位置为该簇的 ２ 实验过程及结果 对陔份数据进行实验之前需要对该份数据进数 据预处理，ｍ于聚类分析只支持对数值型变量的计算， 故需要对数据ｆｆ１的字符型变量进行０／１化处理，对于某 些多分类宁符 变量则采取去除占比较少分类后在做 ０／１化处理 处理结束后，！Ｊ！ＩＪ采 Ｒ语言进行Ｋ—ｎ］￣＇ａｌｌＳ聚类分 析，往分析ｆｆＩ我ｆ『Ｊ对ｋ值分别选择Ｊ，２、３、４、５进行分 析，得…的结果分圳为： ， 一．一１． ●——●．．－ ：ｉ ，，＿＿－＿—＿—－＾ ．¨ ＿—－ … ．ｒ ：’ ．． 。ｊｌ 、 ≯ Ｊ １ ④ 现代计算机２０１７．１０中 上 从左１ 钊 ｌ 分圳为ｋ 乃２、３、４、５［Ｉｌｆ的 Ｋ—ｍｅａｎｓ聚类 ，从途ｒ１］Ｉ『以行…，尢沦取ｋ为几，邮 具有将类别聚为３类的趋势，故将ｋ没定为３，进行柴 类分析，将数据进行聚类 我们分别对３个类进行研究 表１ 分类 ｃ１ ｃ２ ｃ３ 慈教 ｝、ｊ（｝ Ｈ “ ｈ １ 漉竞事 【】（】“Ｈｈ７９ 『】｛】 ．｛Ｈ Ｉ】（１ｃ１ｌ｛．｛ 套餐合适 【 ｆ｝９ （｝ １ 男柱 （Ｊ．１ １ｌ １｝＿１Ｋ｛ ｛】 【） １ ｎ Ｈ 小于等于ｌ８岁 【ｌ ｌ㈣ ０ ｉ ７６９，｛ｌ “（）５ｌ¨ｌＩ ｌＳ瑚∞岁 ０， ｃ）ｌ ７２３９：｛ 【】ｌｌ｛】ｌ｛｛ 岁双上 ｆ ＿㈣ ｆ） ｛ ）６ ｛ ｆ】 Ｉ１２５２ 高，极高被用牵 ｆｊ．｛ ｉ ｛ｌ （１ ０ 一一 （Ｊ ｉ—Ｈ ｛ 高峰时期平均通话敖 ：｛ １ ｌ２ ｌ １ 刚 ．｛｛ ． 高峰畸潮平均通话时间 ｌＩ： …ｉ ７ 州 ｌ ｎ． 非高峰时期平均通话教 １【） ｊ 、ＩＬＩ 【】１ ｌ１） ｝＿ｌ ｌ 非高峰时襄平坶通话时闭 ．｛２ ７ｌ５ Ｈ：｛ ｊ ｝、 【】ｎ 高峰通话敷占出 【ｊ ＿１．｛２６ ｆ】＿¨｛ ７ 【】 ｌｎ ’ 高峰通话时两占比 ０ ｝‘ （】Ｉ１ ｌ ｌ （｝ ．｛ 平均总花费 ｎｌ （｝ ｛ ｌ １ Ｉ ｈ７１ 从聚类后的统计结 ｎｆ以行…．川ｔ户砒分 ｒ 个类，分圳包含２６５０、８７６６ ｆｆＪ ６８４８个川ｒ１ 从寻找流失原 ｒｆ】瞍胥， 一ｆ ｒ．・２类包 最多的 ８７６６个川ＦＪ，同事其流失牢也怂最高的， 比 他 给 类高 ３０ｃＡ，在对ｃ ２类进行进 步研究ＩＩｆ以发现．陔 类ｒｆ ｌ８至３０岁川户最多，也就说…ｆ＇ｉｉ这个年龄段ＩｆＩ 的人最容易流失，而小 ｒ ｌ ８岁和久ｒ ３【）岁的川ｔ ｒ，流 失的呵能性不大 同时从使川牢【 Ｌ【土呵以行…， 陔 类川户ＩＩ１高／檄岛使 半只 ３％．卡¨较ｒ』Ｌ他 个分 类的３５％和２４％鄙低＿ｒ很多 可以发 陔 （１ｋ，ｌ 足导 敛川ｒｌ流欠的重 原ｌ大１： 从 户管理角度ｆ盯以行… １ ｆ１１ ｔ・３上嘤为３０ 岁以上客户，切Ｃ３类ｆ１ｌ的１８岁一卜客 较少，ｔ ２土嵫 为ｌ ８剑３０岁客ＪｒＬＩ 同时ｔ・ｌ ｆ１ｌ ・３的逊 ｆ｜主嘤产，ｌ １ 非高峰时段， ｃ２冉高峰时段通 【 比岛达４４％，敞 可以看作该类川户打多为ｆ：ＪＪＦ族，通常采川ｉ，发 ’码进 行Ｔ作ｆ 的联系 同样的方法还可以提取到很多信息，存本 ｒ｛１就 不冉赘述，可Ｆ｝１波者自行开发 ３ 结果评估 陔模型 聚类Ｉｌ１采川 像法对聚类数Ｈ，陔力‘法 简单易理解，得出结果也具有一定的研究价值，但是在 聚类上可能会存在一定的不稳定性，例如在上述试验 中ｃ１类和ｃ２类的区别就不是很明显，同时部分特征 如男女分布情况等没有明显体现出来，故还有改进的 余地例如利用轮廓系数对聚类ｋ值进行判断等，同时 ４ 结语 本模型致力于简单的完成聚类分析过程，同时可 以让该过程产生一定有价值的结果，同时该模型还有 很多方面可以改进或深入，已达到更好的效果。 对于该聚类结果进行进一步的聚类分析也可以对分析 结果有一定的帮助。 作者简介： 简宋全（１９７１一），男，广东广州人，硕士研究生，工程师，研究方向为机器学习算法 李青海（１９８０一），男，广东广州人，硕士研究生，工程师，研究方向为机器学习算法 秦于钦（１９９３一），男，广东广州人，本科，助理工程师，研究方向为机器学习算法 收稿日期：２０１７—０７—１１ 修稿日期：２０１７—０９—２８ Ｕｓｅｒ Ｇｒｏｕｐ Ａｎａｌｙｓｉｓ Ｂａｓｅｄ ｏｎ Ｋ－’ｍｅａｎｓ ＪＩＡＮ Ｓｏｎｇ—ｑｕａｎ，ＬＩ Ｑｉｎｇ—ｈａｉ，ＱＩＮ Ｙｕ—ｑｉｎ （Ｇｕａｎｇｄｏｎｇ Ｆｉｎｅ Ｐｏｉｎｔ Ｄａｔａ Ｐｏｌｙｔｒｏｎ Ｔｅｃｈｎｏｌｏｇｉｅｓ Ｉｎｃ，Ｇｕａｎｇｚｈｏｕ ５１０６３０） Ａｂｓｔｒａｃｔ： Ｉｔ ｉｓ ｎｅｃｅｓｓａｒｙ ｔｏ ｃｌｕｓｔｅｒ ｃｕｓｔｏｍｅｒｓ ａｃｃｕｒａｔｅｌｙ ｉｎ ｅｖｅｒｙ ｗａｌｋ ｏｆ ｌｉｆｅ ＳＯ ｔｈａｔ ｗｅ ｃａｎ ｃｈａｎｇｅ ａ ｐｏｐｕｌａｒ ｍａｒｋｅｔｉｎｇ ｐｒｏｇｒａｍ ｉｎｔｏ ａｎ ａｃｃｕｒａｔｅ ｍａｒ－ ｋｅｔｉｎｇ ｐｒｏｇｒａｍ ｆｏｒ ｂｅｔｔｅｒ ｒｅｔｕｒｎ ｏｎ ｅｑｕｉｔｙ．Ｓｔｕｄｉｅｓ ｔｈｅ ｔｅｌｅｃｏｍ ｉｎｄｕｓｔｙ，ａｄｏｐｔｓ ｃｌｒｕｓｔｅｒｉｎｇ ｍｅｔｈｏｄ ｏｆ Ｋ—ｍｅａｎｓ ｔｏ ｃｌｕｓｔｅｒ ｔｅｌｅｃｏｍ ｕｓｅｒｓ，ａｎｄ ｕｓｅｓ ａ ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ ｉｍａｇｉｎｇ ｐｒｏｃｅｓｓｉｎｇ ｔｏ ａｎａｌｙｚｅ ｔｈｅ ｎｕｍｂｅｒ ａｎｄ ｔｈｅ ａｃｃｕｒａｃｙ ｏｆ ｃｌｕｓｔｅｒｉｎｇ ａｔ ｔｈｅ ｓａｍｅ ｔｉｍｅ，ｔｏ ｓｅａｒｃｈ ｆｏｒ ｕｓｅｆｕｌ ｍｅ￥一 ｓａｇｅｓ ｆｏｒ ｏｐｅｒａｔｏｒ＇ｓ ｂｕｓｉｎｅｓｓ ｒｅｑｕｉｒｅｍｅｎｔｓ． Ｋｅｙｗｏｒｄｓ： Ｋ—ｍｅａｎｓ；Ｔｅｌｅｃｏｍ；Ｉｎｄｕｓｔｙ；Ｐｒｅｃｉｓｉｏｎ；Ｍａｒｋｅｔｉｒｎｇ 现代计算机２０１７．１０中 ０
