KMeans聚类应用二机器学习76课件讲解.pptxVIP

机器学习徐国清K-Means聚类应用二河南工业职业技术学院

数据准备利用pandas库中的read_csv方法读取航空公司客户文件air_data.csv选取宽度为两年（2012年4月1日~2014年3月31日）的时间段作为分析观测窗口，总共62988条记录。发现数据中存在缺失值和异常值，因此在数据清洗过程中要重点对这两类数据进行处理。

特征构造LRFMC模型在RFM模型中，消费金额表示客户在一段时间内购买该企业产品金额的总和。然而航空票价受到多种因素（如距离、舱位等级）的影响，因此消费同样金额的不同客户对航空公司的价值可能是不同的，如一位购买长航线，低等级舱位票的旅客与一位购买短航线，高等级舱位票的旅客相比，后者对于航空公司而言价值可能更高。因此RFM模型中的消费金额这一特征并不适用于航空公司客户价值分析。

特征构造本案例在RFM模型的基础上，选择客户在一定时间内累积的飞行里程M、客户在一定时间内乘坐舱位所对应的折扣系数的平均值C。同时，因为航空公司会员入会时间的长短在一定程度上能够影响客户价值，所以在模型中增加客户关系长度L，作为区分客户的另一特征。记为LRFMC模型。

特征选择根据航空公司客户价值LRFMC模型，选择与LRFMC特征相关的6个特征：FFP_DATE、LOAD_TIME、FLIGHT_COUNT、avg_discount、SEG_KM_SUM、LAST_TO_END。LOAD_TIMEFFP_DATELAST_TO_ENDFLIGHT_COUNTSEG_KM_SUMAVG_DISCOUNT2014/3/312013/3/1623141268501.022014/3/312012/6/266651847300.762014/3/312009/12/8233603871.272014/3/312009/12/101236622591.022014/3/312011/8/251422547301.362014/3/312012/9/262326500241.29

特征变换由于选取的L、R、F、M、C特征在原始数据中并没有直接给出，因此需要根据原始数据特征进行特征变换得到需要的特征。L=观测窗口的结束时间-入会时间=LOAD_TIME-FFP_DATER=最后一次乘机时间至观察窗口末端时长=LAST_TO_ENDF=观测窗口的飞行次数=FLIGHT_COUNTM=观测窗口总飞行公里数=SEG_KM_SUMC=平均折扣率=avg_discount

模型训练采用K-Means聚类算法对航空公司客户进行分群，K-Means聚类需要预先给出k值，即需要事先指定聚类数目，本案例根据对业务的理解与分析结合，利用SSE绘制手肘图，找到合理的K值。

性能度量本案例中K-Means模型采用历史数据进行建模，随着时间的变化，分析数据的观测窗口在变化，航空公司客户的数据信息也在变化。因此，考虑业务的实际情况，建议每个月运行一次该模型，通过聚类判断新增加的客户所属的客户群，同时分析新增客户特征的价值。如果新增加客户数据的实际情况与判断结果差异较大，那么需要业务部门重点关注，查看出现差异的原因并确认模型的稳定性，如果模型稳定性变化较大，那么需要重新训练聚类模型。

结果分析

结果分析客户群1在特征F、M处的值最大，在特征R处的值最小，说明客户群1消费频率和累积飞行里程较大，消费时间间隔较小，这类客户需要航空公司重点关注并保持良好关系，称F、M、R特征为客户群1的优势特征。客户群2在L、C特征处的值最小，说明客户群2入会时间较短、享受的平均折扣系数较小。客户群3在R特征处的值最大，在F、M特征处的值最小，说明客户群3消费频率和累积飞行里程较小，消费时间间隔较大，这类客户可能只有在机票打折的时候才会乘坐航空公司航班，称F、M、R特征为客户群3的弱势特征。

结果分析客户群4在特征L处的值最大，说明客户群4入会时间较长。

客户价值分析重要保持客户平均折扣系数C较高，时间间隔R较低，消费频率（乘机次数）F或累积飞行里程M较高。这类客户是航空公司最理想的客户，他们为航空公司带来了大部分的利润，但是这类客户占的比例比较小，航空公司应该优先考虑将营销资源投入到这类客户，尽量使这类客户能够保持在公司的高质量消费。

客户价值分析重要挽留客户在过去的时间里平均折扣系数C，消费频率（乘机次数）F或飞行里程M较高，但是时间间隔R较大或消费频率（乘机次数）F逐渐变小。这类客户存在较高的不确定性因素，航空公司应该提高警惕，采取一定的营销手段，延长客户在航空公司的消费周期，否则，这些不确定因素可能导致这类客户的流失。

客户价值分析一般与低价值客户平均折扣系数C较低，时间间隔R较高，消费频率（乘机次数）F或飞行里程M较低，会员入会时