聚类分析应用实例分享

你有没有想过，电商平台为什么总能推荐你刚好想买的东西？或者，为什么新闻App会自动给你推感兴趣的资讯？这些背后，其实藏着一个叫‘聚类分析’的小能手。

什么是聚类分析？

简单说，聚类分析就是把一堆杂乱的数据按相似性自动分组。它不需要提前知道分类标准，而是让数据自己“抱团”，找出隐藏的规律。就像整理衣柜，把T恤、外套、裤子自动分开，不用你一条条标好。

超市里的顾客画像

某连锁超市发现，每天晚上8点后进店的人，大多只买牛奶、面包和牙膏。通过聚类分析，系统把这些顾客归为“晚归上班族”群体。于是，超市在晚间时段把这些商品摆到入口处，销量立马涨了两成。

学生作业也能用聚类？

有位中学老师用聚类分析学生月考成绩。输入数学、英语、物理三科分数后，算法自动分出三类学生：理科强但英语弱、全科均衡型、偏科明显型。老师据此调整辅导策略，不再“一刀切”讲课。

一段简单的Python示例

用sklearn做聚类其实不难。比如要把一群人的身高体重数据分成三组：

from sklearn.cluster import KMeans
import numpy as np

# 模拟10个人的身高（cm）和体重（kg）
data = np.array([[170, 65], [180, 75], [160, 50], [175, 70],
                [165, 55], [185, 85], [155, 45], [178, 72],
                [168, 60], [182, 80]])

kmeans = KMeans(n_clusters=3)
kmeans.fit(data)
print(kmeans.labels_)

运行后会输出每个样本对应的类别编号，比如[1 2 0 2 0 2 0 2 1 2]，说明这10人被分成了三个体型群体。

手机照片自动分类

现在手机相册的“回忆”功能，能把你的旅行照、聚会照、宠物照自动归类。这其实就是聚类在起作用——根据时间、地点、画面颜色和物体识别结果，把相似的照片归到一起。

小成本创业也能用

有个卖手工皂的小店主，用聚类分析客户购买记录。发现有群人总是买薰衣草味+包装礼盒，另一群人偏好柠檬味+散装实惠装。她于是设计了两款套餐，复购率提升了近四成。