基于電商用戶消費行為數(shù)據(jù)的聚類分析.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的高速發(fā)展，依托于互聯(lián)網(wǎng)的各種產(chǎn)品給我們的生活帶來無限的便利，但隨之而來的是信息的爆炸，每天有大量的用戶行為數(shù)據(jù)被收集。面對著這些海量的數(shù)據(jù)，有效的數(shù)據(jù)挖掘的工作一方面可以幫助企業(yè)深層次的挖掘未知的信息，找到企業(yè)新的創(chuàng)收點，另一方面，可以基于用戶歷史消費行為數(shù)據(jù)進行個性化服務，從而增加客戶粘度。
　　本文基于為電商增加用戶粘度的考慮，利用用戶消費行為的歷史數(shù)據(jù)進行聚類分析，然后在屬于同一群體內(nèi)的消費者進行分析，挖掘其

2、消費行為的規(guī)律，從而達到個性化服務的作用。一般情況下，在對人群進行劃分的時候采用聚類算法,這其中K-means聚類算法由于其算法邏輯簡單，結(jié)果便于解釋被廣泛的使用。K-means聚類算法通過比較用戶距離不同類心的距離，將用戶劃入不同的類簇，其中，在計算樣本相似度時，一般采用的是歐氏距離，歐氏距離沒有將樣本特征的重要性加以區(qū)分，沒有考慮樣本特征間的差異，這就導致在聚類時信息表達不夠準確。為了改進K-means算法中的不足，本文利用信息論中