如何基于交易数据计算客户购物行为erraticism的0-1量化值

以下方案均默认你已完成特征预处理：分类特征Gender需先做独热编码，避免直接输入数值1/2/3引入无意义的顺序权重，编码后与其余0-1型购物特征合并为相似度计算的特征集。

方案1：平均两两相似度（最常用，易解释） #

原理 #

单客户n条交易记录可生成n*(n-1)/2组不重复的两两相似度，直接取所有相似度的均值作为一致性得分，天然落在0-1区间：

• 所有记录完全一致时，所有两两相似度为1，得分=1
• 所有记录完全不相似时，所有两两相似度为0，得分=0

代码实现 #

import numpy as np
import pandas as pd
from sklearn.metrics.pairwise import cosine_similarity

def calc_consistency_avg(cust_trx: pd.DataFrame, feat_cols: list) -> float:
    """
    cust_trx: 单个客户的所有交易记录
    feat_cols: 用于计算相似度的特征列名列表
    """
    trx_cnt = len(cust_trx)
    if trx_cnt < 2:
        # 仅1条交易默认一致性为1，可根据业务规则调整为0或其他值
        return 1.0
    # 计算两两相似度矩阵
    sim_matrix = cosine_similarity(cust_trx[feat_cols])
    # 提取上三角矩阵（排除对角线自身对自身的相似度1，避免重复计算正反序配对）
    valid_sim = sim_matrix[np.triu_indices_from(sim_matrix, k=1)]
    return valid_sim.mean()

方案2：分位数/最小值聚合（严格判断一致性） #

原理 #

如果业务对"波动"的容忍度低，只要出现一次异常购物行为就判定一致性差，可以取所有两两相似度的最小值、10%分位数等作为得分，放大异常交易的影响。比如某客户9次购物完全一致，第10次完全不同，平均相似度可能还有0.8+，但最小值会直接降到0，更符合高波动的判定需求。

代码调整 #

仅需修改方案1的返回值即可：

# 取最小值
return valid_sim.min()
# 取10%分位数
return np.quantile(valid_sim, 0.1)

方案3：时间衰减加权相似度（适配有序交易序列） #

原理 #

如果交易数据带有时间戳，行为一致性更偏向"近期行为是否稳定"，可以给间隔更近的交易对更高权重，加权平均两两相似度。比如相邻两次交易的权重为1，间隔1次的权重为0.8，间隔越远权重越低，更贴合业务对"当前行为稳定性"的需求。

方案4：融合离散度的修正得分 #

原理 #

如果要区分"相似度都稳定在0.8"和"一半相似度1、一半相似度0.6"两种场景（两者平均相似度都是0.8，但前者一致性更高），可以引入相似度的离散度修正：

修正得分 = 平均相似度 * (1 - 相似度的变异系数)

变异系数=标准差/均值，值越大说明相似度波动越大，修正后得分会更低，最终结果仍保持在0-1区间。

内容的提问来源于stack exchange，提问作者Sajid