基于密度信息熵的K-Means算法在客户细分中的应用

摘要：

为解决企业客户价值体现问题,提出一种T FA客户细分改进模型,以客户发展空间T、购买频次F和平均购买额A为指标,充分体现客户的价值和发展空间.首先,引入局部密度值ρ和信息熵H,改进K-means聚类算法,以优化传统K-means聚类方法初始聚类中心的选取问题;其次,通过搭建机器学习框架,对选取人工数据集及真实数据集进行聚类实验,验证模型的有效性.实验结果表明,该模型能有效分类客户,充分反映客户价值及其发展空间,并通过改进聚类算法提升了算法效率.

关键词：客户分类;客户发展空间;K-means算法;初始聚类中心;密度信息熵

所属期刊栏目：59

分类号：TP391(计算技术、计算机技术)

资助基金：贵州省科学技术基金批准号;黔科合L H字[2016]7023号和教育部高等教育司产学合作协同育人项目批准号;201801232042;201802341052

在线出版日期：2021-09-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1245-1251