RFM數(shù)據(jù)是指最近一次消費(fèi)，消費(fèi)頻率以及消費(fèi)金額，分別構(gòu)成R,F,M，給定200行用戶行為數(shù)據(jù)，我們用模糊C均值聚類進(jìn)行分析

首先簡單介紹一下模糊C均值聚類，每一個(gè)樣本距各個(gè)聚類中心（初始聚類中心需要隨機(jī)指定）都有一個(gè)隸屬度，每一個(gè)樣本至各個(gè)聚類的隸屬度總和為1。

通過每次隨機(jī)分配，取均值等方法，在層層迭代過程中，尋找聚類中心，使得每個(gè)樣本到每個(gè)聚類中心的距離值最小化，所計(jì)算的聚類結(jié)果就是我們的目標(biāo)。

MBA智庫對(duì)于RFM有著詳細(xì)的解釋，link:https://wiki.mbalib.com/zh-tw/RFM%E6%A8%A1%E5%9E%8B

模糊C均值聚類的詳細(xì)說明可以參見：https://wiki.mbalib.com/zh-tw/RFM%E6%A8%A1%E5%9E%8B

下面給出RFM數(shù)據(jù)

接下來我們用歐式距離定義的方法，計(jì)算用戶特征向量與聚類中心的距離值：

接下來就是數(shù)據(jù)預(yù)處理，因?yàn)镽,F,M分別代表的含義不同，單位也不同，因此要實(shí)現(xiàn)數(shù)據(jù)的無量綱化，我們采用歸一化處理。即數(shù)據(jù)減去最小值，再除以最大值與最小值的差值

最后，我們?cè)O(shè)定以下參數(shù)：

即聚類數(shù)目，迭代次數(shù)，模糊系數(shù)（要求大于1），以及精度。

最后看一下各個(gè)用戶（即樣本數(shù)據(jù)）對(duì)于各個(gè)類別的歸屬度，可以直觀反應(yīng)用戶u對(duì)N個(gè)類別的隸屬度

我們用表格查看：

可見，用戶1隸屬于6類，用戶2隸屬于類別4等等。