点击此处返回
未登录用户
每日可免费学习1个教程
爱数据学院
关注人数：15920
1.客户分群背景介绍-数据挖掘之客户分群实战
2.距离与分层聚类法-数据挖掘之客户分群实战
3.k均值算法-数据挖掘之客户分群实战
4.聚类方法要点-数据挖掘之客户分群实战
5.保险客户分群案例-数据挖掘之客户分群实战
6.邮轮及制造商客户分群案例-数据挖掘之客户分群实战
1.【K-Means类聚】以样本间的距离为基础，将所有的观测划分到K个群体，使得群体和群体之间的距离尽量大，同时群体内部的观测之间的“距离和”最小。其中【K】代表总共要分的类即【K】个群组。【Means】代表在分析方法中要反复计算群体的中心即均值中心。
2.【K-Means类聚】使用的样本间距离定义为【欧式距离】。【误差平方】与【函数的计算公式】如图所示。
3.其意义在于当把一个整体分为K个群组之后，计算每个群组中所有点到该群组中心点的距离，把这些距离分别平方后加总得到该群体的误差平方和。将K个群体的误差平方和相加后的到总体误差平方和。
70000+教程，每天免费学一课
打开APP，离线免流量
