|
|
|
| 一种面向于混合属性数据的聚类改进算法及其在客户细分中的应用 |
| 赵俊杰王平 |
| 安徽财经大学工商管理学院复旦大学管理学院 |
|
|
|
|
摘要 K-prototypes算法只适合处理对称标称型数据、序数型数据和区间型数据,对于用户兴趣等非对称型数据之间的相异度计算,如果采用对称标称型数据间的计算方法,则误差较大,而且设定的分类属性权重调整系数不容易确定。在考虑多种属性数据特征的基础上,对K-prototypes算法加以改进,提出一种简单的各类属性权重系数计算方法,即按属性比例初步计算各类属性权重,并分别配以微调系数进一步微调。同时扩展其算法,使其可以更好地处理非对称标称型数据,提升聚类效果。最后在实际的客户细分应用中验证其有效性。 更多还原
|
|
| 关键词 ：
混合属性,
K-prototypes算法,
客户细分,
非对称标称型属性,
用户兴趣
|
|
|
| 基金资助:国家自然科学基金资助项目(71302142)； 安徽财经大学校级科研项目(ACKY1430)；
|
|
|
|
