K-Means聚类中多订单客户的集群归属问题求助

我完全理解你的困扰——当你基于订单级数据做K-Means聚类时，同一个客户因为有多笔订单记录，自然会被分到不同的集群里，这根本没法支撑个性化推荐的需求。问题的核心在于你用错了聚类的粒度：应该从「订单级别」升级到「客户级别」来构建特征，再做聚类。

下面是具体的解决方案和优化后的代码：

第一步：重构数据到客户维度 #

首先需要把订单数据按客户ID聚合，计算每个客户的核心特征，这些特征才能真正代表客户的消费行为，比如：

• 总订单数（购买频次）
• 总消费金额（消费能力）
• 最后一次购买的时间间隔（客户活跃程度）
• 购买的商品品类数量（消费广度）
• 平均每单金额（客单价）

第二步：优化后的完整代码 #

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
from sklearn.preprocessing import StandardScaler
from sklearn.cluster import KMeans
from sklearn.decomposition import PCA

# 1. 加载数据集（假设包含客户ID、订单ID、金额、品类、下单日期等字段）
dataset = pd.read_csv('FYP.csv')

# 2. 按客户ID聚合，构建客户级特征（根据你的实际字段名调整）
# 示例字段：CustomerID（客户ID）、OrderID（订单ID）、Amount（订单金额）、Category（商品品类）、OrderDate（下单日期）
customer_features = dataset.groupby('CustomerID').agg(
    total_orders=('OrderID', 'nunique'),          # 总订单数
    total_spent=('Amount', 'sum'),                 # 总消费金额
    avg_order_value=('Amount', 'mean'),            # 平均订单金额
    unique_categories=('Category', 'nunique'),     # 购买的品类数量
    last_order_days=('OrderDate', lambda x: (pd.Timestamp.now() - x.max()).days)  # 最后一次购买距今天数
).reset_index()

# 3. 选择用于聚类的特征（排除客户ID）
X = customer_features.drop('CustomerID', axis=1)

# 4. 标准化特征（K-Means对特征尺度敏感，必须做标准化处理）
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

# 5. 可选：PCA降维（用于可视化，聚类建议用标准化后的原始特征）
pca = PCA(n_components=2)
X_pca = pca.fit_transform(X_scaled)
print(f"PCA成分解释方差比: {pca.explained_variance_ratio_}")

# 6. 肘部法则确定最优聚类数
wcss = []
for i in range(1, 11):
    kmeans = KMeans(n_clusters=i, init='k-means++', max_iter=1000, n_init=10, random_state=42)
    kmeans.fit(X_scaled)
    wcss.append(kmeans.inertia_)

plt.plot(range(1, 11), wcss)
plt.title('The Elbow Method')
plt.xlabel('Number of clusters')
plt.ylabel('WCSS')
plt.show()

# 7. 训练K-Means模型（假设最优聚类数为3）
kmeans = KMeans(n_clusters=3, init='k-means++', max_iter=1000, n_init=10, random_state=42)
customer_features['cluster_label'] = kmeans.fit_predict(X_scaled)

# 8. 可视化聚类结果（用PCA降维后的二维数据）
plt.scatter(X_pca[customer_features['cluster_label'] == 0, 0], X_pca[customer_features['cluster_label'] == 0, 1], 
            s=100, c='red', label='Cluster 1: 高价值高频客户')
plt.scatter(X_pca[customer_features['cluster_label'] == 1, 0], X_pca[customer_features['cluster_label'] == 1, 1], 
            s=100, c='blue', label='Cluster 2: 新客户/低频次客户')
plt.scatter(X_pca[customer_features['cluster_label'] == 2, 0], X_pca[customer_features['cluster_label'] == 2, 1], 
            s=100, c='green', label='Cluster 3: 品类广泛的普通客户')
plt.scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:, 1], 
            s=300, c='yellow', label='Centroids')
plt.title('Clusters of Customers')
plt.xlabel('PCA Component 1')
plt.ylabel('PCA Component 2')
plt.legend()
plt.show()

# 9. 分析每个集群的特征，为个性化推荐提供依据
cluster_summary = customer_features.groupby('cluster_label').mean()
print("各集群特征统计:\n", cluster_summary)

额外优化建议 #

• 试试经典RFM模型：基于最近购买时间（Recency）、购买频次（Frequency）、消费金额（Monetary）三个核心特征，是电商客户分群的成熟方案，能快速区分高价值客户、流失客户等群体。
• 扩展特征维度：可以加入客户的商品品类偏好（如某品类购买占比）、是否使用优惠券、购买时段偏好等特征，让客户画像更精准。
• 算法灵活选择：如果客户数据分布不均匀，可尝试DBSCAN密度聚类，它能识别出异常点（如一次性大额购买的客户），而K-Means更适合球状分布的数据。

现在每个客户只会属于一个集群，你可以针对不同集群的特征制定个性化策略：比如给高价值客户推送专属折扣，给流失客户推送召回优惠券，给品类广泛的客户推荐互补商品。

内容的提问来源于stack exchange，提问作者Mahmoud Abdelazim Ali