第9章 K-Means 聚类、辨别分析
9.1 理解聚类分析
餐饮企业经常会碰到这样的问题：
1） 如何通过餐饮客户消费行为的测量，进一步评判餐饮客户的价值和对餐饮客户进
行细分，找到有价值的客户群和需关注的客户群？
2） 如何合理对菜品进行分析，以便区分哪些菜品畅销毛利又高，哪些菜品滞销毛利
又低？
餐饮企业遇到的这些问题，可以通过聚类分析解决。
9.1.1 常用聚类分析算法
与分类不同，聚类分析是在没有给定划分类别的情况下，根据数据相似度进行样本分组
的一种方法。与分类模型需要使用有类标记样本构成的训练数据不同，聚类模型可以建立在
无类标记的数据上，是一种非监督的学习算法。聚类的输入是一组未被标记的样本，聚类根
据数据自身的距离或相似度将他们划分为若干组，划分的原则是组样本最小化而组间（外部）
距离最大化，如图 9-1 所示。
图 9-1 聚类分析建模原理
常用聚类方法见表 9-1。
表 9-1 常用聚类方法
类别
包括的主要算法
剩余15页未读，继续阅读
资源评论
