在从事电商做频道运营时，每到关键时间节点，大促前，季度末等等，我们要做的一件事情就是品牌池打分，更新所有店铺的等级。例如，所以的商户分入SKA,KA,普通店铺,新店铺这4个级别，对于不同级别的商户，会给予不同程度的流量扶持或广告策略。通常来讲，在一定时间段内，评估的维度可以有：UV，收订金额，好评率，销退金额，广告位点击率，转化率，pc端流量、手机端流量、客单价......等n多个维度，那么如何在这n多个维度中找到一种算法，来将我们的品牌划分到4个级别中呢？今天所讨论的K-means聚类算法是其中一种，基于某电商频道296个品牌的周销量真实数据，我们来进行品牌池划分。
从GNUOctave编译脚本示例，显示照明函数及其变化的图形
首先， K-means聚类算法可以描述为如下几步：
1、随机选取K个质心(centroids);
2、计算每个数据点距离K个质心的距离，选择距离最小的一个质心作为该数据点的所属组。例如，某数据点距离#3质心最近，那么它就属于#3组。
3、更新质心的坐标，将每个组的数据点坐标相加求平均值，得出新的质心位置并更新。
4、重复第二和第三步n次。
其中，K和n是提前指定的。
为了将K-means运行过程可视化，我们只取296的品牌的2个维度：UV与收订金额。主控代码如下：
%% ================= Part 1: load data ==================== fprintf('load parameters.\n\n'); pkg load io; tmp = xlsread('data.xlsx'); id=tmp(:,1); X=tmp(:,2:3); %% =================== Part 2: set parameters ====================== K = 4; max_iters = 10; %% =================== Part 3: K-Means Clustering ====================== fprintf('\nRunning K-Means clustering on example dataset.\n\n'); initial_centroids = kMeansInitCentroids(X,K); % Run K-Means algorithm. The 'true' at the end tells our function to plot % the progress of K-Means [centroids, idx] = runkMeans(X, initial_centroids, max_iters, true); fprintf('\nK-Means Done.\n\n');
K-Means Clustering Algorithm核心代码：
function [centroids, idx] = runkMeans(X, initial_centroids, ... max_iters, plot_progress) [m n] = size(X); K = size(initial_centroids, 1); centroids = initial_centroids; previous_centroids = centroids; idx = zeros(m, 1); % Run K-Means for i=1:max_iters % Output progress fprintf('K-Means iteration %d/%d...\n', i, max_iters); if exist('OCTAVE_VERSION') fflush(stdout); end % For each example in X, assign it to the closest centroid idx = findClosestCentroids(X, centroids); % Given the memberships, compute new centroids centroids = computeCentroids(X, idx, K); end end
选择最近质心的算法：
function idx = findClosestCentroids(X, centroids) K = size(centroids, 1); idx = zeros(size(X,1), 1); m = size(X,1); for(i = 1:m) distance = -1; index = -1; for(j=1:K) e = X(i,:)-centroids(j,:); d_tmp = e*e'; if(distance == -1) distance = d_tmp; index = j; else if (d_tmp<distance) distance = d_tmp; index = j; endif endif endfor idx(i) = index; endfor end
重新计算质心及初始化质心的算法：
function centroids = computeCentroids(X, idx, K) [m n] = size(X); centroids = zeros(K, n); num = zeros(K,1); for(i = 1:m) c = idx(i,:); centroids(c,:) += X(i,:); num(c,:)++; endfor centroids = centroids./num; function centroids = kMeansInitCentroids(X, K) centroids = zeros(K, size(X, 2)); randidx = randperm(size(X, 1)); centroids = X(randidx(1:K), :); end
经过十次迭代后，分组的结果如下：
在我本地的原始数据表格中，共有约20个维度来衡量每个店铺的运行情况，根据K-means聚类算法可以很轻松的将它们归类，虽然无法将其进行可视化操作，但原理与二维K-means完全相同。
