對比,SPSS/SPSS modeler/python 實現FRM,聚類模型的使用者感受
阿新 • • 發佈:2019-01-27
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。