SPSS計算FRM模型分值

在spss的直銷模組下，可以對客戶資料進行FRM計算客戶的FRM的分值，1.交易資料

                                                                                                       2.客戶資料（相當於客戶資料彙總後的資料）

本例傳入客戶資料，計算後得到分值，及圖表輸出

SPSS modeler——FRM分值計算及FRM聚類

spss modeler--僅能傳入交易資料-原始資料，

模型結果輸出

接常見的KM聚類

模型輸出

PYTHON實現FRM聚類

對資料取100條測試，輸出

模型調優，聚類數選擇

模型輪廓係數

綜上：SPSS計算FRM分值可以實現（交易資料及客戶資料）,及FRM分值分佈，視覺化輸出，不能進行聚類操作

          SPSS modeler可以計算FRM分值（僅交易資料），可接聚類模型，及模型視覺化調優

          Python 計算FRM分值，也可聚類，在模型的引數選擇上非常具有優勢（超引數）,但是在模型調優，及視覺化輸出上，比較繁瑣，且不友好。

很多人都會覺得用Python才高大上。其實SPSS和SPSS modeler 裡都集成了R和Python的演算法。

作為一個數據分析師，實現業務場景就行，其餘的是演算法工程師的事情。（分析師都做了，還要演算法工程師幹嘛？）

個人在工作中，除非確實需要用Python，就會用Python去做模型，譬如SPSS modeler 實現不了的 （協同過濾演算法，推薦演算法）。

一般在用IBM的SPSS modeler 做資料探勘就夠了。