用户分析和异常值检测

Question

我有一个包含 100 万客户的数据集。他们被分为一些类别，如电子客户、食品和饮料客户等。组名代表客户的个人资料。

每个客户都有不同的行为。例如，假设一位电子客户至少在购物时购买了一台电子设备。该事务随机或连续重复。这样我就可以通过数字代码呈现每笔交易。

（交易金额、交易量、交易类型等）= (100,200,1)

对于每笔交易，我在上面都有这个向量。这意味着每个客户都有不同的交易行为。

我想知道每个客户是否都有一个模式？我们有异常值吗？

这基本上是一个分析问题。

您推荐哪种分析方法？

Answer 1

你能说得更具体点吗？你到底想从分析中得到什么？购买模式、异常客户、异常购买？

如果您想确定哪些商品是一起购买的，请将交易分组在一起，只需列出同时购买的商品并使用 apriori 算法或类似算法进行购物篮分析。

如果您想找到相似的客户，请使用 k 最近邻或 k 表示针对代表客户购买模式（可能只是购买的商品）的向量。您也可以对单个交易执行此操作以比较交易。

要确定异常值，您可以使用基于密度的聚类算法（例如 DBSCAN）将彼此靠近的客户聚集在一起，并查看那些不在聚类中的客户也确定异常值。