聚類是將數(shù)據(jù)分類到不同的類或者簇這樣的一個(gè)過(guò)程，所以同一個(gè)簇中的對(duì)象有很大的相似性，而不同簇間的對(duì)象有很大的相異性。

從統(tǒng)計(jì)學(xué)的觀點(diǎn)看，聚類分析是通過(guò)數(shù)據(jù)建模簡(jiǎn)化數(shù)據(jù)的一種方法。傳統(tǒng)的統(tǒng)計(jì)聚類分析方法包括系統(tǒng)聚類法、分解法、加入法、動(dòng)態(tài)聚類法、有序樣品聚類、有重疊聚類和模糊聚類等。

從機(jī)器學(xué)習(xí)的角度講，簇相當(dāng)于隱藏模式。聚類是搜索簇的無(wú)監(jiān)督學(xué)習(xí)過(guò)程。與分類不同，無(wú)監(jiān)督學(xué)習(xí)不依賴預(yù)先定義的類或帶類標(biāo)記的訓(xùn)練實(shí)例，需要由聚類學(xué)習(xí)算法自動(dòng)確定標(biāo)記，而分類學(xué)習(xí)的實(shí)例或數(shù)據(jù)對(duì)象有類別標(biāo)記。聚類是觀察式學(xué)習(xí)，而不是示例式的學(xué)習(xí)。

從實(shí)際應(yīng)用的角度看，聚類分析是數(shù)據(jù)挖掘的主要任務(wù)之一。而且聚類能夠作為一個(gè)獨(dú)立的工具獲得數(shù)據(jù)的分布狀況，觀察每一簇?cái)?shù)據(jù)的特征，集中對(duì)特定的聚簇集合作進(jìn)一步地分析。聚類分析還可以作為其他算法(如分類和定性歸納算法)的預(yù)處理步驟。

聚類分析的核心思想就是物以類聚，人以群分。在市場(chǎng)細(xì)分領(lǐng)域，消費(fèi)同一種類的商品或服務(wù)時(shí)，不同的客戶有不同的消費(fèi)特點(diǎn)，通過(guò)研究這些特點(diǎn)，企業(yè)可以制定出不同的營(yíng)銷組合，從而獲取最大的消費(fèi)者剩余，這就是客戶細(xì)分的主要目的。在銷售片區(qū)劃分中，只有合理地將企業(yè)所擁有的子市場(chǎng)歸成幾個(gè)大的片區(qū)，才能有效地制定符合片區(qū)特點(diǎn)的市場(chǎng)營(yíng)銷戰(zhàn)略和策略。金融領(lǐng)域，對(duì)基金或者股票進(jìn)行分類，以選擇分類投資風(fēng)險(xiǎn)。

下面以一個(gè)汽車銷售的案例來(lái)介紹聚類分析在市場(chǎng)細(xì)分中的應(yīng)用。

聚類是將數(shù)據(jù)分類到不同的類或者簇這樣的一個(gè)過(guò)程，所以同一個(gè)簇中的對(duì)象有很大的相似性，而不同簇間的對(duì)象有很大的相異性。

從統(tǒng)計(jì)學(xué)的觀點(diǎn)看，聚類分析是通過(guò)數(shù)據(jù)建模簡(jiǎn)化數(shù)據(jù)的一種方法。傳統(tǒng)的統(tǒng)計(jì)聚類分析方法包括系統(tǒng)聚類法、分解法、加入法、動(dòng)態(tài)聚類法、有序樣品聚類、有重疊聚類和模糊聚類等。

從機(jī)器學(xué)習(xí)的角度講，簇相當(dāng)于隱藏模式。聚類是搜索簇的無(wú)監(jiān)督學(xué)習(xí)過(guò)程。與分類不同，無(wú)監(jiān)督學(xué)習(xí)不依賴預(yù)先定義的類或帶類標(biāo)記的訓(xùn)練實(shí)例，需要由聚類學(xué)習(xí)算法自動(dòng)確定標(biāo)記，而分類學(xué)習(xí)的實(shí)例或數(shù)據(jù)對(duì)象有類別標(biāo)記。聚類是觀察式學(xué)習(xí)，而不是示例式的學(xué)習(xí)。

從實(shí)際應(yīng)用的角度看，聚類分析是數(shù)據(jù)挖掘的主要任務(wù)之一。而且聚類能夠作為一個(gè)獨(dú)立的工具獲得數(shù)據(jù)的分布狀況，觀察每一簇?cái)?shù)據(jù)的特征，集中對(duì)特定的聚簇集合作進(jìn)一步地分析。聚類分析還可以作為其他算法(如分類和定性歸納算法)的預(yù)處理步驟。

聚類分析的核心思想就是物以類聚，人以群分。在市場(chǎng)細(xì)分領(lǐng)域，消費(fèi)同一種類的商品或服務(wù)時(shí)，不同的客戶有不同的消費(fèi)特點(diǎn)，通過(guò)研究這些特點(diǎn)，企業(yè)可以制定出不同的營(yíng)銷組合，從而獲取最大的消費(fèi)者剩余，這就是客戶細(xì)分的主要目的。在銷售片區(qū)劃分中，只有合理地將企業(yè)所擁有的子市場(chǎng)歸成幾個(gè)大的片區(qū)，才能有效地制定符合片區(qū)特點(diǎn)的市場(chǎng)營(yíng)銷戰(zhàn)略和策略。金融領(lǐng)域，對(duì)基金或者股票進(jìn)行分類，以選擇分類投資風(fēng)險(xiǎn)。

下面以一個(gè)汽車銷售的案例來(lái)介紹聚類分析在市場(chǎng)細(xì)分中的應(yīng)用。

商業(yè)目標(biāo)

業(yè)務(wù)理解：數(shù)據(jù)名稱《汽車銷售.csv》。該案例所用的數(shù)據(jù)是一份關(guān)于汽車的數(shù)據(jù)，該數(shù)據(jù)文件包含銷售值、訂價(jià)以及各種品牌和型號(hào)的車輛的物理規(guī)格。訂價(jià)和物理規(guī)格可以從 edmunds.com 和制造商處獲得。定價(jià)為美國(guó)本土售價(jià)。如下：

表1：數(shù)據(jù)視圖

業(yè)務(wù)目標(biāo)：對(duì)市場(chǎng)進(jìn)行準(zhǔn)確定位，為汽車的設(shè)計(jì)和市場(chǎng)份額預(yù)測(cè)提供參考。

數(shù)據(jù)挖掘目標(biāo)：通過(guò)聚類的方式對(duì)現(xiàn)有的車型進(jìn)行分類。

數(shù)據(jù)準(zhǔn)備

通過(guò)數(shù)據(jù)探索對(duì)數(shù)據(jù)的質(zhì)量和字段的分布進(jìn)行了解，并排除有問(wèn)題的行或者列優(yōu)化數(shù)據(jù)質(zhì)量。

第一步，我們使用統(tǒng)計(jì)節(jié)點(diǎn)審核數(shù)據(jù)的質(zhì)量，從審核結(jié)果中我們發(fā)現(xiàn)存在缺失的數(shù)據(jù)，如下圖所示：

第二步，對(duì)缺失的數(shù)據(jù)進(jìn)行處理，我們選擇使用缺失填充節(jié)點(diǎn)刪除這些記錄。配置如下：

建模

我們選擇層次聚類進(jìn)行分析，嘗試根據(jù)各種汽車的銷售量、價(jià)格、引擎、馬力、軸距、車寬、車長(zhǎng)、制動(dòng)、排量、油耗等指標(biāo)對(duì)其分類。

因?yàn)閷哟?a href='/map/julei/' style='color:#000;font-size:inherit;'>聚類不能自動(dòng)確定分類數(shù)量，因此需要我們以自定義的方式規(guī)定最后聚類的類別數(shù)。層次聚類節(jié)點(diǎn)配置如下(默認(rèn)配置)：

可以使用交互表或者右擊層次聚類節(jié)點(diǎn)查看聚類的結(jié)果，如下圖所示：

再使用餅圖查看每個(gè)類的大小，結(jié)果如下：

從圖中可見(jiàn)，分成的三個(gè)類樣本數(shù)差異太大，cluster_0和cluster_1包含的樣本數(shù)都只有1，這樣的分類是沒(méi)有意義的，因此需要重新分類。我們嘗試在層次聚類節(jié)點(diǎn)的配置中指定新的聚類方法：完全。新的聚類樣本數(shù)分布如下：

cluster_0、 cluster_1、cluster_2的樣本數(shù)分別為：50、9、93。

執(zhí)行后輸出樹(shù)狀/冰柱圖，可以從上往下看，一開(kāi)始是一大類，往下走就分成了兩類，越往下分的類越多，最后細(xì)分到每一個(gè)記錄是一類，如下所示：

我們可以再使用條形圖查看每類的銷售量、平均價(jià)格，如下圖所示：

每類總銷量分布圖

每類平均銷量分布圖

每類平均價(jià)格分布圖

我們?cè)倏匆幌旅款惖匿N售額分布情況。首先，我們需要使用Java代碼段節(jié)點(diǎn)或者派生節(jié)點(diǎn)生成銷售額字段，配置如下：

再使用餅圖查看銷售額分布情況，cluster_0、 cluster_1、cluster_2的市場(chǎng)份額分別為：32.39%、0.53%和67.08%，如下圖所示：

案例小結(jié)

通過(guò)這個(gè)案例，大家可以發(fā)現(xiàn)聚類分析確實(shí)很簡(jiǎn)單。進(jìn)行聚類計(jì)算后，主要通過(guò)圖形化探索的方式評(píng)估聚類合理性，以及在確定聚類后，分析每類的特征。