利用R语言中的KMEANS算法对业务中各类客户进行分析

第一步，数据导入

setwd("C:\\Users\\admin\\Desktop\\R_sv")
datafile=read.csv("air_data.csv",header = T)

导入之后我们先通过summary函数来查看一下各变量的统计量。
发现其中部分数据存在缺失值，那么我们首先对缺失值进行处理。

第二步，数据清洗
缺失值的处理,去掉所有第一年和第二年票价为缺失值的所有行

delet_na<-datafile[-which(is.na(datafile$SUM_YR_1)| is.na(datafile$SUM_YR_2)),]
index<-(delet_na$SUM_YR_1==0&delet_na$SUM_YR_2==0)*(delet_na$avg_discount!=0) 
#返回0或者1
deletdata<-delet_na[-which(index==1),]                        

处理掉无价值客户的数据(票价为0,折扣不为0)

这里需要对我们要分析的数据属性做一个归类。样本数据来自某家航空公司，我们需要分析哪些客户需要保留，哪些值得开发，等等。
因此我们通过业务方面分析，从第一张图中属性选出以下五种：
L:入会时长
R:飞行次数
F:里程数
M:飞行里程
C:折扣系数
下面定义一个向量，其中的元素都是和所选元素相关的

vars<-c("FFP_DATE","LOAD_TIME","LAST_FLIGHT_DATE",
        "FLIGHT_COUNT","SEG_KM_SUM","avg_discount")

之后，我们的目标就是去掉和这些指标无关的数据：

gy<-deletdata[,vars]
gy$FFP_DATE<-as.Date(gy$FFP_DATE)
gy$LOAD_TIME<-as.Date(gy$LOAD_TIME)
gy$LAST_FLIGHT_DATE<-as.Date(gy$LAST_FLIGHT_DATE)
#用transform为gy添加新的变量L和R,并赋值给新的变量bh
bh<-transform(gy,L=difftime(LOAD_TIME,FFP_DATE,units="days")/30,
              R=difftime(LOAD_TIME,LAST_FLIGHT_DATE,units="days")/30)
bh$L<-as.numeric(bh$L)
bh$R<-as.numeric(bh$R)
bh<-bh[-which(is.na(bh$LAST_FLIGHT_DATE)),]
#筛选出所选5个指标的数据
yt<-bh[,c("L","R","FLIGHT_COUNT","SEG_KM_SUM","avg_discount")]

对筛选完的数据进行标准化

bzh<-data.frame(scale(yt))
names(bzh)<-c("L","R","F","M","C")

第三步、建模
这里直接通过R中的kmeans对标准化后的数据进行聚类。

set.seed(10)                  
clust<-kmeans(bzh,centers=5)  
centers<-clust$centers #查看类中心
table(clust$cluster)

第四步、作图(雷达图)
用fmsb包制作雷达图，通过for循环为每个类设置标签

library(fmsb)
max<-apply(centers,2,max)
min<-apply(centers,2,min)
#合并行max,min,类中心
data.radar<-data.frame(rbind(max,min,centers))
radarchart(data.radar,pty=32,plty=1,plwd=2,vlcex=0.7)
L<-1.2
for(i in 1:5){
  text(1.8,L,labels = paste("--class",i),col=i)
  L<-L-0.2
}

最后得到图片：

最后我们只需要通过自己的业务知识，对分类后的数据进行分析即可。

小结: 通过以上整套流程的分析，我明白了数据分析最重要，最复杂的一步其实是数据处理和清洗，否则后面模型哪怕建的再好，效果也不会好。这就和做菜类似。买菜，洗菜很重要，否则厨艺再高的人，面对烂菜也会无济于事。

本次分析是我的第一次尝试，希望大家多多支持，谢谢！