已閱讀1頁，還剩43頁未讀， 繼續(xù)免費閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)
文檔簡介
1、本文針對互聯(lián)網(wǎng)行業(yè)，應用傳統(tǒng)行業(yè)已非常成熟的RFM模型，分析某電商平臺客戶的消費行為特征。其中RFM模型為：Recency：最近一次消費；Frequency：一段時間內(nèi)的消費頻率；Monetary：一段時間內(nèi)的消費金額。
本文通過建立RFM模型，對客戶消費數(shù)據(jù)進行聚類分析，分別采用K-means、模糊C均值和SOM自組織特征映射神經(jīng)網(wǎng)絡三種聚類方法，通過將SOM網(wǎng)絡和K-means結(jié)合，優(yōu)化K-means的初始聚類中心，對客戶
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于K-means聚類算法的負荷模型研究.pdf
- (6)K-means聚類算法.pdf
- K-means聚類算法的改進.pdf
- 基于K-means聚類的RCNA識別算法.pdf
- 基于K-Means的文檔聚類算法研究.pdf
- k-means聚類算法分析應用研究
- K-means聚類算法的改進研究.pdf
- K-means聚類優(yōu)化算法的研究.pdf
- 基于遺傳算法的K-means聚類算法分析研究.pdf
- 基于聚類K-Means算法的分析與應用研究.pdf
- 基于K-Means聚類算法的客戶細分研究.pdf
- K-means聚類算法研究及其應用.pdf
- 密度敏感的K-means聚類算法研究.pdf
- 基于密度的改進K-Means文本聚類算法研究.pdf
- 基于遺傳算法的K-MEANS聚類改進研究.pdf
- 數(shù)據(jù)挖掘K-means聚類算法的研究.pdf
- K-Means聚類算法的研究與改進.pdf
- 基于PCA和K-means聚類的三維模型數(shù)字水印算法研究.pdf
- 基于MapReduce的海量數(shù)據(jù)K-means聚類算法研究.pdf
- 基于MapReduce的K-means聚類算法的FPGA加速研究.pdf
評論
0/150
提交評論