基於K-means Clustering聚類算法對電商商戶進行級別劃分(含Octave仿真)
阿新 • • 發佈：2017-07-05
fprintf highlight 初始 load ogre max init 金額 定時
在從事電商做頻道運營時，每到關鍵時間節點，大促前，季度末等等，我們要做的一件事情就是品牌池打分，更新所有店鋪的等級。例如，所以的商戶分入SKA,KA,普通店鋪,新店鋪這4個級別，對於不同級別的商戶，會給予不同程度的流量扶持或廣告策略。通常來講，在一定時間段內，評估的維度可以有：UV，收訂金額，好評率，銷退金額，廣告位點擊率，轉化率，pc端流量、手機端流量、客單價......等n多個維度，那麽如何在這n多個維度中找到一種算法，來將我們的品牌劃分到4個級別中呢？今天所討論的K-means聚類算法是其中一種，基於某電商頻道296個品牌的周銷量真實數據，我們來進行品牌池劃分。
首先， K-means聚類算法可以描述為如下幾步：
1、隨機選取K個質心(centroids);
2、計算每個數據點距離K個質心的距離，選擇距離最小的一個質心作為該數據點的所屬組。例如，某數據點距離#3質心最近，那麽它就屬於#3組。
3、更新質心的坐標，將每個組的數據點坐標相加求平均值，得出新的質心位置並更新。
4、重復第二和第三步n次。
其中，K和n是提前指定的。
為了將K-means運行過程可視化，我們只取296的品牌的2個維度：UV與收訂金額。主控代碼如下：
%% ================= Part 1: load data ==================== fprintf(‘load parameters.\n\n‘); pkg load io; tmp = xlsread(‘data.xlsx‘); id=tmp(:,1); X=tmp(:,2:3); %% =================== Part 2: set parameters ====================== K = 4; max_iters = 10; %% =================== Part 3: K-Means Clustering ====================== fprintf(‘\nRunning K-Means clustering on example dataset.\n\n‘); initial_centroids = kMeansInitCentroids(X,K); % Run K-Means algorithm. The ‘true‘ at the end tells our function to plot % the progress of K-Means [centroids, idx] = runkMeans(X, initial_centroids, max_iters, true); fprintf(‘\nK-Means Done.\n\n‘);
K-Means Clustering Algorithm核心代碼：
function [centroids, idx] = runkMeans(X, initial_centroids, ...
max_iters, plot_progress)
[m n] = size(X);
K = size(initial_centroids, 1);
centroids = initial_centroids;
previous_centroids = centroids;
idx = zeros(m, 1);
% Run K-Means
for i=1:max_iters
% Output progress
fprintf(‘K-Means iteration %d/%d...\n‘, i, max_iters);
if exist(‘OCTAVE_VERSION‘)
fflush(stdout);
end
% For each example in X, assign it to the closest centroid
idx = findClosestCentroids(X, centroids);
% Given the memberships, compute new centroids
centroids = computeCentroids(X, idx, K);
end
end
選擇最近質心的算法：
function idx = findClosestCentroids(X, centroids)
K = size(centroids, 1);
idx = zeros(size(X,1), 1);
m = size(X,1);
for(i = 1:m)
distance = -1;
index = -1;
for(j=1:K)
e = X(i,:)-centroids(j,:);
d_tmp = e*e‘;
if(distance == -1)
distance = d_tmp;
index = j;
else
if (d_tmp<distance)
distance = d_tmp;
index = j;
endif
endif
endfor
idx(i) = index;
endfor
end
重新計算質心及初始化質心的算法：
function centroids = computeCentroids(X, idx, K) [m n] = size(X); centroids = zeros(K, n); num = zeros(K,1); for(i = 1:m) c = idx(i,:); centroids(c,:) += X(i,:); num(c,:)++; endfor centroids = centroids./num; function centroids = kMeansInitCentroids(X, K) centroids = zeros(K, size(X, 2)); randidx = randperm(size(X, 1)); centroids = X(randidx(1:K), :); end
經過十次叠代後，分組的結果如下：
在我本地的原始數據表格中，共有約20個維度來衡量每個店鋪的運行情況，根據K-means聚類算法可以很輕松的將它們歸類，雖然無法將其進行可視化操作，但原理與二維K-means完全相同。
基於K-means Clustering聚類算法對電商商戶進行級別劃分(含Octave仿真)