一、為針對使用者精細化運營。從半年月均增長率和半年產品消費額兩個維度上，對使用者做聚類分析，建模。把使用者分為五大類。
二、程式碼實現
data=read。csv（“D：\****\20160912boblecluster。csv”，header=F）
newdata<-data［，c（‘V2’，‘V3’）］
library（sqldf）
#資料處理
newdata<-sqldf（“select case when V2>40000 then 40000 else V2 end as product_consumption_amount，case when V3>2 then 2 else V3 end as increase from data limit 30000”）
確定探索聚類合理個數（根據拐點判斷）
wss <- （nrow（scale（newdf［2：3］））-1）*sum（apply（scale（newdf［2：3］），2，var））
for （i in 2：10）
wss［i］ <- sum（kmeans（scale（newdf［2：3］），i，algorithm=“Lloyd”）$withinss）
###這裡的wss（within-cluster sum of squares）是組內平方和
plot（1：10， wss， type=“b”， xlab=“Number of Clusters”，ylab=“Within groups sum of squares”）
#聚類
根據分析研究決定分為5個類
#centers是聚類的個數或者是初始類的中心， algorithm為動態聚類的演算法 “Hartigan-Wong“（預設時）， ”Lloyd“，”Forgy“， ”MacQueen
#iter。max 為最大迭代數預設值為10，nstart是隨機集合的個數（當centers為聚類的個數時）
kc <- kmeans（scale（newdf［2：3］），5，nstart=20，algorithm=“Lloyd”）
#plot（newdata［c（“product_consumption_amount”， “increase”）］，col=kc$cluster，pch = 20，ylab=“半年內消費增長率”，xlab=“產品消費金額（元）”，main=“貴族使用者分類”）
#聚類分佈
x=table（kc$cluster）
result_df <- data。frame（newdf，kc$cluster）
#匯出資料
write。table （result_df， file =“F：\\R&Nutch\\R語言\\聚類分析\\resulr。txt”， sep =“\t”， row。names =TRUE， col。names =TRUE， quote =TRUE）
#在圖上標出每個聚類的中心點
#points（kc$centers［，c（“product_consumption_amount”， “increase”）］， col = 1：6， pch = 8， cex=2）
“cluster”是一個整數向量，用於表示記錄所屬的聚類
“centers”是一個矩陣，表示每聚類中各個變數的中心點
“totss”表示所生成聚類的總體距離平方和
“withinss”表示各個聚類組內的距離平方和
“tot。withinss”表示聚類組內的距離平方和總量
“betweenss”表示聚類組間的聚類平方和總量
“size”表示每個聚類組中成員的數量）
Within cluster sum of squares by cluster： 每個聚類內部的距離平方和
ggplot2畫圖
cor=（kc$cluster）
cor=ifelse（cor==1，‘A’，cor）
cor=ifelse（cor==2，‘B’，cor）
cor=ifelse（cor==3，‘C’，cor）
cor=ifelse（cor==4，‘D’，cor）
cor=ifelse（cor==5，‘E’，cor）
#install。packages（“ggplot2”）
require（ggplot2）
p <- ggplot（data=newdata， mapping=aes（x=product_consumption_amount， y=increase， colour=cor））+geom_point（） +labs（title=“貴族使用者分類”，x = “半年產品消費額（元）”，y = “半年月均增長率”）
使用主題：
install。packages（“devtools”）
library（devtools）
install_github（c（“hadley/ggplot2”， “jrnold/ggthemes”））
library（“ggplot2”）
library（“ggthemes”）
p + theme_igray（） + scale_colour_tableau（“colorblind10”）
根據聚類結果，對聚類群體解釋命名：
聚類一：低價值，負增長群。（29%）
聚類二：低價值，穩增長群。（22%）
聚類三：中低價值，高增長群（12%）
聚類四：中高價值，負穩定群（33%）
聚類五：高價值，穩定群。（4%）
使用者群體
營銷策略
低價值，負增長群。
吸引使用者消費，提高使用者消費天數和消費金額，減少使用者流失。
低價值，穩增長群。
吸引使用者消費，提升使用者消費金額，穩定使用者群，給予業務回饋。
中低價值，高增長群。
提升使用者消費金額，穩定使用者群，給予業務回饋，紅鑽回饋等。
中高價值，穩定群。
拉昇使用者消費，同時提升使用者對產品的忠誠度。給予服務回饋，業務回饋，紅鑽回饋等。
高價值，穩定群。
提升使用者對貴族產品的認可度和忠誠度。給予服務回饋，業務回饋，紅鑽回饋等。
********************************************************************************************************
例子：
第一步：對資料集進行初步統計分析
檢查資料的維度
> dim（iris）
［1］ 150 5
顯示資料集中的列名
> names（iris）
［1］ “Sepal。Length” “Sepal。Width” “Petal。Length” “Petal。Width” “Species”
顯示資料集的內部結構
> str（iris）
‘data。frame’： 150 obs。 of 5 variables：
$ Sepal。Length： num 5。1 4。9 4。7 4。6 5 5。4 4。6 5 4。4 4。9 。。。
$ Sepal。Width ： num 3。5 3 3。2 3。1 3。6 3。9 3。4 3。4 2。9 3。1 。。。
$ Petal。Length： num 1。4 1。4 1。3 1。5 1。4 1。7 1。4 1。5 1。4 1。5 。。。
$ Petal。Width ： num 0。2 0。2 0。2 0。2 0。2 0。4 0。3 0。2 0。2 0。1 。。。
$ Species ： Factor w/ 3 levels “setosa”，“versicolor”，。。： 1 1 1 1 1 1 1 1 1 1 。。。
顯示資料集的屬性
> attributes（iris）
$names ——就是資料集的列名
［1］ “Sepal。Length” “Sepal。Width” “Petal。Length” “Petal。Width” “Species”
$row。names ——個人理解就是每行資料的標號
［1］ 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
［21］ 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
［41］ 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60
［61］ 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80
［81］ 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100
［101］ 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120
［121］ 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140
［141］ 141 142 143 144 145 146 147 148 149 150
$class ——表示類別
［1］ “data。frame”
檢視資料集的前五項資料情況
> iris［1：5，］
Sepal。Length Sepal。Width Petal。Length Petal。Width Species
1 5。1 3。5 1。4 0。2 setosa
2 4。9 3。0 1。4 0。2 setosa
3 4。7 3。2 1。3 0。2 setosa
4 4。6 3。1 1。5 0。2 setosa
5 5。0 3。6 1。4 0。2 setosa
檢視資料集中屬性Sepal。Length前10行資料
> iris［1：10， “Sepal。Length”］
［1］ 5。1 4。9 4。7 4。6 5。0 5。4 4。6 5。0 4。4 4。9
同上
> iris$Sepal。Length［1：10］
［1］ 5。1 4。9 4。7 4。6 5。0 5。4 4。6 5。0 4。4 4。9
顯示資料集中每個變數的分佈情況
> summary（iris）
Sepal。Length Sepal。Width Petal。Length Petal。Width Species
Min。 ：4。300 Min。 ：2。000 Min。 ：1。000 Min。 ：0。100 setosa ：50
1st Qu。：5。100 1st Qu。：2。800 1st Qu。：1。600 1st Qu。：0。300 versicolor：50
Median ：5。800 Median ：3。000 Median ：4。350 Median ：1。300 virginica ：50
Mean ：5。843 Mean ：3。057 Mean ：3。758 Mean ：1。199
3rd Qu。：6。400 3rd Qu。：3。300 3rd Qu。：5。100 3rd Qu。：1。800
Max。 ：7。900 Max。 ：4。400 Max。 ：6。900 Max。 ：2。500
顯示iris資料集列Species中各個值出現頻次
> table（iris$Species）
setosa versicolor virginica
50 50 50
根據列Species畫出餅圖
> pie（table（iris$Species））
算出列Sepal。Length的所有值的方差
> var（iris$Sepal。Length）
［1］ 0。6856935
算出列iris$Sepal。Length和iris$Petal。Length的協方差
> cov（iris$Sepal。Length， iris$Petal。Length）
［1］ 1。274315
算出列iris$Sepal。Length和iris$Petal。Length的相關係數， 從結果看這兩個值是強相關。
> cor（iris$Sepal。Length， iris$Petal。Length）
［1］ 0。8717538
畫出列iris$Sepal。Length分佈柱狀圖
> hist（iris$Sepal。Length）
畫出列iris$Sepal。Length的密度函式圖
> plot（density（iris$Sepal。Length））
畫出列iris$Sepal。Length和iris$Sepal。Width的散點圖
> plot（iris$Sepal。Length， iris$Sepal。Width）
繪出矩陣各列的散佈圖
> plot（iris）
or
> pairs（iris）
第二步：使用knn包進行Kmean聚類分析
將資料集進行備份，將列newiris$Species置為空，將此資料集作為測試資料集
> newiris <- iris
> newiris$Species <- NULL
在資料集newiris上執行Kmean聚類分析， 將聚類結果儲存在kc中。在kmean函式中，將需要生成聚類數設定為3
> （kc <- kmeans（newiris， 3））
K-means clustering with 3 clusters of sizes 38， 50， 62： K-means演算法產生了3個聚類，大小分別為38，50，62。
Cluster means： 每個聚類中各個列值生成的最終平均值
Sepal。Length Sepal。Width Petal。Length Petal。Width
1 5。006000 3。428000 1。462000 0。246000
2 5。901613 2。748387 4。393548 1。433871
3 6。850000 3。073684 5。742105 2。071053
Clustering vector： 每行記錄所屬的聚類（2代表屬於第二個聚類，1代表屬於第一個聚類，3代表屬於第三個聚類）
［1］ 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
［37］ 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 3 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
［73］ 2 2 2 2 2 3 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 3 2 3 3 3 3 2 3
［109］ 3 3 3 3 3 2 2 3 3 3 3 2 3 2 3 2 3 3 2 2 3 3 3 3 3 2 3 3 3 3 2 3 3 3 2 3
［145］ 3 3 2 3 3 2
Within cluster sum of squares by cluster： 每個聚類內部的距離平方和
［1］ 15。15100 39。82097 23。87947
（between_SS / total_SS = 88。4 %） 組間的距離平方和佔了整體距離平方和的的88。4%，也就是說各個聚類間的距離做到了最大
Available components： 執行kmeans函式返回的物件所包含的各個組成部分
［1］ “cluster” “centers” “totss” “withinss”
［5］ “tot。withinss” “betweenss” “size”
（“cluster”是一個整數向量，用於表示記錄所屬的聚類
“centers”是一個矩陣，表示每聚類中各個變數的中心點
“totss”表示所生成聚類的總體距離平方和
“withinss”表示各個聚類組內的距離平方和
“tot。withinss”表示聚類組內的距離平方和總量
“betweenss”表示聚類組間的聚類平方和總量
“size”表示每個聚類組中成員的數量）
建立一個連續表，在三個聚類中分別統計各種花出現的次數
> table（iris$Species， kc$cluster）
1 2 3
setosa 0 50 0
versicolor 2 0 48
virginica 36 0 14
根據最後的聚類結果畫出散點圖，資料為結果集中的列“Sepal。Length”和“Sepal。Width”，顏色為用1，2，3表示的預設顏色
> plot（newiris［c（“Sepal。Length”， “Sepal。Width”）］， col = kc$cluster）
在圖上標出每個聚類的中心點
〉points（kc$centers［，c（“Sepal。Length”， “Sepal。Width”）］， col = 1：3， pch = 8， cex=2）
