航空公司客户价值分析（聚类分析）

业务分析

业务背景及目的

搭建数据模型准备

查看业务数据

序号	属性	说明	序号	属性	说明
1	MEMBER_NO	会员卡号	23	LAST_TO_END	客户最近1次乘机距观测窗口结束时间间隔
2	FFP_DATE	入会时间	24	AVG_INTERVAL	平均乘机时间间隔
3	FIRST_FLIGHT_DATE	首次飞行时间	25	MAX_INTERVAL	最大乘机时间间隔
4	GENDER	性别	26	ADD_POINTS_SUM_YR_1	第1年其他积分（合作伙伴、促销、外航转入）
5	FFP_TIER	会员卡等级	27	ADD_POINTS_SUM_YR_2	第2年其他积分（合作伙伴、促销、外航转入）
6	WORK_CITY	城市	28	EXCHANGE_COUNT	积分兑换次数
7	WORK_PROVINCE	省份	29	avg_discount	舱位等级对应的平均折扣系数
8	WORK_COUNTRY	国家	30	P1Y_Flight_Count	第1年乘机次数
9	AGE	年龄	31	L1Y_Flight_Count	第2年乘机次数
10	LOAD_TIME	观测窗口结束时间（下载时间）	32	P1Y_BP_SUM	第1年基本积分
11	FLIGHT_COUNT	乘机飞行次数	33	L1Y_BP_SUM	第2年基本积分
12	BP_SUM	总基本积分	34	EP_SUM	总精英积分
13	EP_SUM_YR_1	第1年总精英积分	35	ADD_Point_SUM	其他积分总和（合作伙伴、促销、外航转入）
14	EP_SUM_YR_2	第2年总精英积分	36	Eli_Add_Point_Sum	非乘机积分总和
15	SUM_YR_1	第1年票价收入	37	L1Y_ELi_Add_Points	第2年非乘机积分总和
16	SUM_YR_2	第2年票价收入	38	Points_Sum	总累计积分
17	SEG_KM_SUM	总飞行公里数	39	L1Y_Points_Sum	第2年总累计积分
18	WEIGHTED_SEG_KM	总加权飞行公里数	40	Ration_L1Y_Flight_Count	第2年的乘机次数比率（两年内）
19	LAST_FLIGHT_DATE	最后1次乘机时间	41	Ration_P1Y_Flight_Count	第1年的乘机次数比率（两年内）
20	AVG_FLIGHT_COUNT	平均飞行次数	42	Ration_P1Y_BPS	第1年里程积分占最近两年积分比例
21	AVG_BP_SUM	平均基本积分	43	Ration_L1Y_BPS	第2年里程积分占最近两年积分比例
22	BEGIN_TO_FIRST	入会距离第1次登记的时间长度	44	Point_NotFlight	非乘机的积分变动次数

通过具体业务对经典RFM模型进行修正

模型准备-数据处理（R语言）

R语言实现

#设定工作空间
getwd() 
  #安装包
#install.packages("rpart")
#install.packages("rpart.plot")
#install.packages("RGtk2")
install.packages("rattle")
    #加载包
library(rpart)
library(rattle)
library(rpart.plot)
  #导入数据
yizhi<-read.csv(file="决策树案例.csv")
  #查看数据集描述
summary(yizhi)
str(yizhi)
head(yizhi)
  #数据类型转换  
yizhi$cfps_gender<-as.factor(yizhi$cfps_gender)
yizhi$cfps_latest_edu<-as.factor(yizhi$cfps_latest_edu)
yizhi$pa301<-as.factor(yizhi$pa301)
yizhi$qg406<-as.factor(yizhi$qg406)
yizhi$qg17<-as.factor(yizhi$qg17)
yizhi$qp605_s_1<-as.factor(yizhi$qp605_s_1)
yizhi$qq501<-as.factor(yizhi$qq501)
str(yizhi)
  #训练集与测试集
set.seed(1234)
ind<-sample(2,nrow(yizhi),replace =TRUE,prob=c(0.7,0.3))
yizhi_train<-yizhi[ind==1,]
yizhi_test<-yizhi[ind==2,]
summary(yizhi_train)
  #CART主要参数设置
rc <- rpart.control(minsplit=20,minbucket=20,maxdepth=10,xval=5,cp=0.005)
#建立CART决策树模型以及模型描述
yizhi_train_cart=rpart(qg406~cfps_age+cfps_gender+cfps_latest_edu+pa301+qg17+qp605_s_1+qq501,
                       method="class",data=yizhi_train,control=rc)
#查看决策树模型
summary(yizhi_train_cart)
print(yizhi_train_cart)
rpart.plot(yizhi_train_cart, branch=1, branch.type=2, type=1, extra=102,  
           shadow.col="gray", box.col="yellow",  
           border.col="blue", split.col="red",  
           split.cex=1.2, main="剪枝前的决策树")  
  #绘制复杂度参数与交叉验证误差图
print(yizhi_train_cart$cptable)
plotcp(yizhi_train_cart)
  #选择最小预测误差的决策树，并剪枝
opt<-which.min(yizhi_train_cart$cptable[,"xerror"])
opt
cp<-yizhi_train_cart$cptable[opt,"CP"]
cp
yizhi_train_cart_pruned<-prune(yizhi_train_cart,cp=cp)
  #描述剪枝后的决策树
summary(yizhi_train_cart_pruned)
print(yizhi_train_cart_pruned)
  #绘制决策树图
rpart.plot(yizhi_train_cart_pruned, branch=1, branch.type=2, type=1, extra=102,  
           shadow.col="gray", box.col="yellow",  
           border.col="blue", split.col="red",  
           split.cex=1.2, main="剪枝后的决策树")  
  #评估决策树-混淆矩阵
  pre_train<-predict(yizhi_train_cart_pruned,yizhi_train[,-5],type="class")
tb1<-table(yizhi_train[,5],pre_train)
tb1
  pre_test<-predict(yizhi_train_cart_pruned,yizhi_test[,-5],type="class")
tb2<-table(yizhi_test[,5],pre_test)
(sum(diag(tb1))/sum(tb1))
(sum(diag(tb2))/sum(tb2))
  #提取剪枝决策树规则
print(yizhi_train_cart_pruned)
asRules(yizhi_train_cart_pruned)

R语言数据处理

##设置工作空间
getwd()
setwd("/media/zty/aae84acb-4d27-47dc-b5a0-93a21d9f7cd9/zty/数据分析文件/262-结实-左手R右手Python数据挖掘机器学习/R语言案例/聚类分析")
#读取数据
Airline_data=read.csv("air_data1.csv",header=T, encoding = 'gbk')
#查看数据维度类型等信息
dim(Airline_data)
names(Airline_data)
str(Airline_data)
#转换数据类型:时间的字段为因子型数据，需要转换为日期格式。
Airline_data$FFP_DATE <- as.Date(Airline_data$FFP_DATE)
Airline_data$LOAD_TIME <- as.Date(Airline_data$LOAD_TIME)
Airline_data$LAST_FLIGHT_DATE <- as.Date(Airline_data$LAST_FLIGHT_DATE)
#查看数据内容等信息
summary(Airline_data)
#剔除异常数据并查看
attach(Airline_data)
Airline_data_clear <- Airline_data[-which(SUM_YR_1 ==0 | SUM_YR_2 ==0 | 
                                            is.na(SUM_YR_1)==1 | is.na(SUM_YR_2)==1 | avg_discount==0),]
detach(Airline_data)
summary(Airline_data_clear)
dim(Airline_data_clear)
#抽取模型所需因子
vars <- c("FFP_DATE","LOAD_TIME","FLIGHT_COUNT","SEG_KM_SUM","LAST_TO_END","avg_discount")
Airline_data_sub <- Airline_data_clear[,vars]
#查看数据集并数据处理
summary(Airline_data_sub)
str(Airline_data_sub)
#数据衍生
Airline_data_sub <- transform(Airline_data_sub, L = difftime(LOAD_TIME,FFP_DATE, units = "days"))
head(Airline_data_sub)
str(Airline_data_sub)  #数据类型不符
#数据类型转换
Airline_data_sub$L <- as.numeric(Airline_data_sub$L)
str(Airline_data_sub)
#数据规范化-名称利于业务解读
Airline_data_sub <- transform(Airline_data_sub,
                             R = LAST_TO_END,
                             F = FLIGHT_COUNT,
                             M = SEG_KM_SUM,
                             C = avg_discount)
summary(Airline_data_sub)

#数据标准化

z_data <- data.frame(scale(Airline_data_sub[,c("R","F","M","C","L")]))
head(z_data) 
write.csv(z_data, file = "/media/zty/aae84acb-4d27-47dc-b5a0-93a21d9f7cd9/zty/数据分析文件/262-结实-左手R右手Python数据挖掘机器学习/R语言案例/聚类分析/z_data.csv")
                             
R语言聚类分析
##设置工作空间
getwd()
setwd("/media/zty/aae84acb-4d27-47dc-b5a0-93a21d9f7cd9/zty/数据分析文件/262-结实-左手R右手Python数据挖掘机器学习/R语言案例/聚类分析")
#读取并查看数据
clustering_data=read.csv("/media/zty/aae84acb-4d27-47dc-b5a0-93a21d9f7cd9/zty/数据分析文件/262-结实-左手R右手Python数据挖掘机器学习/R语言案例/聚类分析/z_data.csv",header=T)
summary(clustering_data)
dim(clustering_data)
head(clustering_data[,-1])
#聚类分析
result =  kmeans(clustering_data[,-1],center = 4)
#查看模型结果
result
result$centers
result$totss
result$withinss
result$tot.withinss
result$betweenss
result$size
result$iter
result$ifault
result$cluster
type = result$cluster
table(type)
#模型图形展示，生成聚类图
# install.packages("fpc")
library(fpc)
plotcluster(clustering_data[,-1], result$cluster)  
#关联类别与属性
clustering_data_result <-cbind(clustering_data,type = result$cluster)
head(clustering_data_result)