数据分析中常用RFM分析消费者人群，但常见RFM是用均值区分。 均值区分与利用Kmeans区别在于前者人为划定R、F、M高低界限（以均值为界限），后者为通过不断迭代确定界限（不过两者对于异常点都较为敏感）
RFM模型
首先介绍一下RFM模型
R – Recency 最近一次消费的时间
F – Frequency 一段时间内的消费频次
M – Monetary 一段时间内的消费金额
RFM模型主要用来划分客户/消费者，通过上述三个指标衡量客户/消费者价值
每个指标都分为0和1两档，1就是高，0就是低。把人群划分为2 * 2 * 2=8种：
上图源于百度百科
具体分类：
111 – 重要价值人群
2021-08-23 15:35:14
155KB
1
MATLAB上的聚类/子空间聚类算法
此存储库不再处于主动开发中。 但是，欢迎对现有算法的实现提出任何问题。 [2020年10月]
1.聚类算法
K均值
K-均值++
一般而言，该算法类似于K-means 。
与经典的K-means随机选择初始质心不同， K-means ++中集成了更好的初始化过程，在该过程中，远离现有质心的观测具有较高的被选为下一个质心的可能性。
可以使用适合比例选择来完成初始化过程。
ISODATA（迭代自组织数据分析）
简而言之， ISODATA引入了两个附加操作：拆分和合并；
当一类内的观察次数少于一个预定义阈值时， ISODATA会以两类间的最小距离合并两类；否则， ISODATA会合并两类。
当一个类别的类别内方差超过一个预定义阈值时， ISODATA将该类别分为两个不同的子类别。
均值漂移
对于每个点x ，找到邻居，计算均值向量m ，更新x
2021-08-23 15:30:46
21KB
1
算法可以对各种数据进行聚类分析，具体的应用领域包括图像、文本、生物信息学等等
2021-08-23 11:16:13
214KB
1
image2palette（）将图像解析为L / a / b空间中的像素，并返回通过k-means方法聚类的主要颜色分量。 它还返回颜色和调色板的名称。
--- 用法示例
%% (1) 版本 1. 预定义图像nCluster = 4; imagefullpath = [密码, '\' 'football.jpg']; image2palette( nCluster, imagefullpath );
%% (2) 版本 2. 使用 GUI 句柄选择图像nCluster = 4; image2palette( nCluster )
颜色标签参考： https : //en.wikipedia.org/wiki/Web_colors
2021-08-22 14:35:20
32KB
1