基於K-means Clustering聚類演算法對電商商戶進行層級劃分(含Octave模擬)

標籤：res   stc   結果   func   頻道   ssi   plot   ips   mem   

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個層級，對於不同層級的商戶，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，那麼如何在這n多個維度中找到一種演算法，來將我們的品牌劃分到4個層級中呢？今天所討論的K-means聚類演算法是其中一種，基於某電商頻道296個品牌的周銷量真實資料，我們來進行品牌池劃分。

 

首先， K-means聚類演算法可以描述為如下幾步：

1、隨機選取K個質心(centroids);

2、計算每個資料點距離K個質心的距離，選擇距離最小的一個質心作為該資料點的所屬組。例如，某資料點距離#3質心最近，那麼它就屬於#3組。

3、更新質心的座標，將每個組的資料點座標相加求平均值，得出新的質心位置並更新。

4、重複第二和第三步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-Meansfor 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);endend

 選擇最近質心的演算法：

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;endforend

 重新計算質心及初始化質心的演算法：

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,:)++;endforcentroids = centroids./num;function centroids = kMeansInitCentroids(X, K)centroids = zeros(K, size(X, 2));randidx = randperm(size(X, 1));centroids = X(randidx(1:K), :);end

 經過十次迭代後，分組的結果如下：

在我本地的未經處理資料表格中，共有約20個維度來衡量每個店鋪的運行情況，根據K-means聚類演算法可以很輕鬆的將它們歸類，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聚類演算法對電商商戶進行層級劃分(含Octave模擬)