财务大数据分析（AI助学）（第2版 ）5-5课件：用户画像.pptxVIP

任务五用户画像

目录任务要求3任务描述2任务准备1任务实现4

用户画像用户画像，即用户信息标签化，通过收集用户的社会属性、消费习惯、偏好特征等各个维度的数据，进而对用户或者产品特征属性进行刻画，并对这些特征进行分析、统计，挖掘潜在价值信息，从而抽象出用户的信息全貌，如图5-51所示。用户画像可看作企业应用大数据的根基，是定向广告投放与个性化推荐的前置条件，为数据驱动运营奠定了基础。

用户标签统计类标签这类标签是最基础也最为常见的标签类型，例如用户的性别、年龄、城市、访问次数、购买次数等数据，可以从用户的注册数据、访问和购买记录中统计得到规则类标签该类规则基于用户行为及确定的规则产生。例如，将“近30天交易次数”的客户定义为“消费活跃”机器学习挖掘类标签该类标签通过机器学习挖掘产生，用于对用户的某些属性或某些行业进行预测判断。例如，根据一个用户的消费习惯判断其对某商品的偏好程度。该类标签需要通过算法挖掘产生

聚类算法聚类算法是无监督学习（UnsupervisedLearning）中的一种常见技术，用于将数据集中的对象按照相似性分成多个子集或组，这些子集被称为“簇”（cluster）。每个簇中的数据点具有较高的相似性，而不同簇之间的数据点差异较大。聚类分析的目的是根据数据的特征自动地识别出自然的分组结构。常见的聚类算法包括K-Means聚类、层次聚类（Hierarchical