本站分享:大数据、数据分析师考试认证培训,包括:Python培训Excel培训Matlab培训SPSS培训SAS培训R语言培训Hadoop培训Amos培训Stata培训Eviews培训广告位

SAS中的聚类分析方法总结_sas聚类分析_sas培训

sas培训 cdadata 514℃

SAS中的聚类分析方法总结

说起聚类分析,相信很多人并不陌生。这篇原创博客我想简单说一下我所理解的聚类分析,欢迎各位高手不吝赐教和拍砖。

   按照正常的思路,我大概会说如下几个问题:

1.     什么是聚类分析?

2.     聚类分析有什么用?

3.     聚类分析怎么做?

下面我将分聚类分析概述、聚类分析算法及sas实现、案例三部分来系统的回答这些问题。

聚类分析概述

 

1.     聚类分析的定义

 

中国有句俗语叫“物以类聚,人以群分”——剔除这句话的贬义色彩。说白了就是物品根据物品的特征和功用可以分门别类,人和人会根据性格、偏好甚至利益结成不同的群体。分门别类和结成群体之后,同类(同群)之间的物品(人)的特征尽可能相似,不同类(同群)之间的物品(人)的特征尽可能不同。这个过程实际上就是聚类分析。从这个过程我们可以知道如下几点:

1)    聚类分析的对象是物(人),说的理论一点就是样本

2)    聚类分析是根据物或者人的特征来进行聚集的,这里的特征说的理论一点就是变量。当然特征选的不一样,聚类的结果也会不一样;

3)    聚类分析中评判相似的标准非常关键。说的理论一点也就是相似性的度量非常关键;

4)    聚类分析结果的好坏没有统一的评判标准;

2.     聚类分析到底有什么用?

1)    说的官腔一点就是为了更好的认识事物和事情,比如我们可以把人按照地域划分为南方人和北方人,你会发现这种分法有时候也蛮有道理。一般来说南方人习惯吃米饭,北方习惯吃面食;

2)    说的实用一点,可以有效对用户进行细分,提供有针对性的产品和服务。比如银行会将用户分成金卡用户、银卡用户和普通卡用户。这种分法一方面能很好的节约银行的资源,另外一方面也能很好针对不同的用户实习分级服务,提高彼此的满意度。

再比如移动会开发全球通、神州行和动感地带三个套餐或者品牌,实际就是根据移动用户的行为习惯做了很好的用户细分——聚类分析;

3)    上升到理论层面,聚类分析是用户细分里面最为重要的工具,而用户细分则是整个精准营销里面的基础。精准营销是目前普遍接纳而且被采用的一种营销手段和方式。

3.     聚类分析的流程是怎样的?

 

比较简单的聚类分析往往只根据一个维度来进行,比如讲用户按照付费情况分成高端用户、中端用户和低端用户。这 个只需要根据商业目的统计一下相关数据指定一个高端、中端和低端的分界点标准就可以。

如果是比较复杂的聚类分析,比如移动里面经常会基于用户的多种行为(通话、短信、gprs流失扥等)来对用户进行细分,这个就是比较复杂的用户细分。如果是这样的细分通常会作为一个比较标准的数据挖掘项目来执行,所以基本上会按照数据挖掘的流程来执行。具体分如下几步:

1)     业务理解

主要是了解业务目标和数据挖掘的目标及执行计划

2)     数据理解

主要是弄清楚可已取哪些变量数据,具体怎么定义

3)     数据整理

根据之前的定义提取需要的数据,并进行检测异常数据,并对变量进行挑选及探索,比如最终要用那些变量来执行聚类算法、那些变量是离散变量,需要做特殊处理、

数据大概可以聚成几类、类别形状有不规则的情形吗?

4)     建立模型

关键是选用什么样的距离(相似性度量)和算法:

l  比如是样本比较小,形状也比较规则,可以选用层次聚类

l  比如样本比较大,形状规则,各类的样本量基本相当,可以选用k-means算法

l  比如形状规则,但是各类别之间的样本点的密度差异很大,可以选用基于密度的算法

5)     模型评估

主要是评估聚类分析结果的好坏。实际上聚类分析在机器学习里面被称之为无监督学习,是没有大家公认的评估方法的。所以更多会从业务可解释性的角度去评估

聚类分析的好坏;

6)     模型发布

主要是根据聚类分析的结果根据不同的类的特诊去设计不同的产品、服务或者渠道策略,然后去实施营销

4. 具体在sas里面如何执行?

 

通过前面的讲解我们已经知道,聚类分析涉及到如下6步,对应着6步SAS都会有相应的过程来执行。

1)     距离的计算:proc distance

2)     数据标准化:proc stdize

3)     聚类变量的选择:proc varclus

4)     初始类别数的选择:proc mds和proc princomp

5)     不规则形状的变换:proc aceclus

6)     算法的选择:层次聚类-proc cluster 划分型聚类-proc fastclus(k-means)和

         密度型聚类-proc modeclus

7)     类别特征描述:proc means

以上四个部分就从是什么、为什么、怎么样三个角度对聚类分析做了简单的介绍。接下来的帖子我会重点介绍SAS中各种聚类算法的差异、应用范围及实际的案例。

转载请注明:数据分析 » SAS中的聚类分析方法总结_sas聚类分析_sas培训

喜欢 (1)or分享 (0)