基于流形学习的客户价值分析研究

摘要

为了解决数据高维、海量导致聚类算法处理效果不佳的问题,提出将流形学习理论引入客户关系管理进行聚类研究.为了较好的分析客户价值,在Kmeans聚类的基础上引入流形学习理论.客户价值分析一般包含数据的抽取、探索以及预处理、模型建立几个步骤.在模型建立过程中一般采用Kmeans聚类实现.使用流形学习的谱聚类来替代Kmeans聚类.使用泰迪杯数据挖掘大赛中的数据进行试验,通过实验的雷达图可以看出,谱聚类与Kmeans聚类具有相似的分类构成.同时对于分类后的数据进行规约并绘制散点图,比较后发现,谱聚类后的数据类间相似度比Kmeans高,表明将流形学习方法引入客户价值分析,对于聚类稳定性有一定改善.