Avant que le grand outil d'analyse statistique ne soit apparu, il a été principalement fait par le «type de population», par exemple, par exemple, avec une variable unique, selon la consommation d'onduleurs, variable divisé en pièces, clients haute fréquence, fréquence Intermédiaires des clients, clients basse fréquence, une telle situation; Deuxièmement, Cross Group avec de nombreuses variables, telles que deux variables avec sexe et revenu ,.
Le fait que nous souhaitons toujours examiner de nombreux aspects avec le cluster, cela signifie plus qu'une seule caractéristique du segment de la clientèle basé sur les caractéristiques multi-apparences. Faites une petite instance d'analyse de grappes K-sens.
1. Contenu d'analyse de la source de données

"Instructions pour l'analyse statistique SPSS avancée" Telco.sav est un ensemble de données qui reflète les utilisateurs mobiles par des téléphones mobiles.

Nombre d'utilisateurs, jours ouvrables, heures, jours ouvrables, temps, Semaine de la semaine longue, électricitéLongue voix, longs appels, discours à long terme, long, maintenant longtemps, j'espère maintenant diviser les utilisateurs mobiles pour comprendre leurs différentes habitudes de consommation de téléphone portable. Selon la recherche et la recherche sur l'expérience, les utilisateurs mobiles devraient être divisés en cinq groupes de consommateurs majeurs.
Outil d'analyse des données: SPSS, Guide de référence: Zhang Wenhao "SPSS12 Guide avancé Analyse des statistiques".
Le contenu contient une image importante. Si ce n'est pas clair, vous pouvez le télécharger sur le navigateur mobile pour afficher ou accéder directement à l'adresse d'origine.

2. Processus d'analyse des données

3. Préparer des données

4. Traitement des données

est maintenant stocké dans l'arrière-plan trop, j'ai fait des projets sans données réelles et de confiance. Maintenant, ce problème n'est pas trop compliqué, mais il y a trop de données causant d'autres problèmes. Le signal de données est collecté durement, le format de stockage est différent et nécessite une analyse des données également.sera créé de nouvelles variables.
Ces processus semblent simples mais essentiels!
Certains des problèmes ci-dessus ne suffisent pas. Lorsque la méthode d'analyse de données complexes, nous devons également filtrer les données collectées pour créer un petit ensemble de données. Pour distribuer, supprimer des variables dans des concentrations de données, des indicateurs statistiques sont apportés à un certain niveau d'analyse.

5. Analyse de données de démarrage

La cluster de nouement K-NOUPATION a également mentionné une clustering rapide, qui peut être utilisée pour une grande quantité de données aux clusters. Avant de commencer le cluster, vous devez analyser votre propre numéro. Il n'est pas spécifié une fois et vous pouvez passer plusieurs tours et éventuellement déterminer le meilleur nombre de classes en fonction de la situation réelle. Le clustering K-Moyens est le niveau proche entre les variables de mesure dans la méthode de calcul de la distance. Effets finaux avancés, alors prenez soin de la qualité des données.

6. Conclusions finales de l'analyse des données

Toute l'analyse était essentiellement complétéeVille, comme une partie indispensable, nécessite actuellement une soumission exacte des rapports d'analyse des données. Dans l'analyse, les problèmes commerciaux sont résolus rapidement.