客户画像中的聚类分析

客户画像会用聚类分析

实际工作中，最常使用的当属回归类模型，其次便是客户画像。即便是评分模型也会涉及到客户画像，由于首富客户的违约特征与普通百姓不同，故需进行区分，信用分池即为客户画像。

客户画像使用的技术为聚类分析，在营销场景中经常会逻辑回归模型与聚类分析一起配合构建模型。

聚类分析是什么？

聚类分析可以理解为利用数据公式具体的计算样本的相似程度，将相似的样本归为一类，将不相似的样本归为一类。例如：

对奶茶加盟店的经营业绩进行分类；
对来商场消费的客户进行分类；
评估一个产品的好坏时，将繁复的评价指标进行分类，从而简化评估体系。

聚类分析专门针对看上去不好区分、但必须区分的数据。决策树、逻辑回归模型以及神经网络中皆有Y，样本中已经区分出了好坏，最终好坏样本差距越大则说明模型效果越好，如好坏样本无差别，则模型有错误需要修正。但如果样本中没有Y，则加大了好坏样本的区分难度，此时便需要使用聚类分析。

聚类分析与逻辑回归是不同的模型体系

模型可以大致理解为两种：

有监督模型、验证性模型、预测模型：有X有Y，例如逻辑回归模型、决策树模型以及神经网络
无监督训练模型、探索模型、模式发现：有X无Y例如聚类分析，有Y无X例如产品推荐算法

需要说明的是，模式发现实现的技术较多，但是大部分只是存在于博士论文之中，实际工作中能够用到的很少。由于与预测类模型相比，模式发现对数据的要求极高，例如，在从实际应用效果的角度来看，聚类分析对数据的要求要比所有的分类选择模型的要求高许多，即聚类分析的假定要严格许多，只是大部分情况下，人们使用聚类分析的时候，不会提及到它的假定罢了。

聚类分析的弊端？

决策树有一个最大的弊端，即变更数据集后，做好的规则变动较大，即便变量固定仅仅换了观测，决策树的结果也会完全不同，但是，即便决策树的变动性如此大，决策树都要比聚类分析稳定的多。

可见聚类分析是如此的不稳定，因此想做好聚类分析，必须要遵循完整的数据分析流程，才能够保证建模数据的稳定以及结果的可靠。

聚类分析的流程？

聚类分析的基本流程为：

数据准备：包含变量与观测的选择、变量的分布分析以及量纲选择
聚类分析
聚类后处理：包含类数的确定以及标签的确定
模型的部署

需要注意的是，虽然变量聚类也带有聚类两个字，但是并不是聚类分析算法，而是一种主成分分析。而且，由于业务人员不懂聚类算法，所以需要聚类分析后，构建完善相应的标签系统。

红楼梦到底谁写的？

可以使用聚类分析来判断红楼梦的作者，通过分析红楼梦的语言风格，将红楼梦120回中的每一回视作一个观测，将虚词频次视作分析变量，做聚类分析。

单独对前八十回进行聚类分析，分析发现前八十回语言风格非常相似，则可以判断前八十回的作者为同一人（曹雪芹）；单独对后四十回进行聚类分析，分析发现后四十回无法聚为一类，则可判断后四十回的作者并非为同一个人；对前八十回与后四十回进行聚类分析，分析发现前后两部分无法聚为一类，则可判断后四十回可能不是曹雪芹所写。

所以，关于红楼梦的作者，很多资料中说其前八十回由曹雪芹所著，后四十回由无名氏编写高鹗编辑，很有意思。