Rich Data

矩阵对应最大特征值数学计算公式：。 可以用Mtl语句求矩阵的最大特征值对应的特征向量： 的特征值以及特征向量，可以通过[ X , Y ]eig，其中Y为成对比较阵的特征值，X的列为相应的特征向量； 最大的特征值，可以通过eigenledigY) 以及 lmdeigenle)进行计算，其中lmd表示最大的特征值； 可以通过y_lmd x:, ) 进行计算最大特征值对应的特征向量。 实际在使用过程中，需要把矩阵最大特征值对应的特征向量转换成权向量，使得它的各分量都大于零，各分量之和等于 ，这样才能满足对RFM模型中各个指标变量的权重设置，各指标变量的相对重要性由权向量的各分量所确定，权向量的各分量对应的值就是出R近度、F频度、M值度的计算权重。

权向量等于自身向量各分量除以自身向量的和，，其中。 比如特征向量 [ , , ]， 。 K-均值聚类法对客户分类 与RFM指标对客户分类不同，分类是示例式学习，要求分类前明确各个类别，并断言每个元素映射到一个类别，这种对客户的分类方式并不能满足“每个分类内部的元素之间相异度尽可能低，而不同分类的元素相异度尽可能高”的客户分类要求，反而会出现相同分类中的内部元 加纳电话号码列表 素之间的相异度高，不同分类中的内部元素之间相异度反而低的情况发生。 聚类是观察式学习，在聚类前可以不知道类别甚至不给定类别数量，是无监督学习的一种。k均值k-mens算法是一种迭代求解的聚类分析算法，所谓聚类问题，就是给定一个元素集合D，属性，使用某种算法将D划分成k个子集，要求每个子集内部的元素之间相异度尽可能低，而不同子集的元素相异度尽可能高，其中每个子集叫做一个簇。

、相异度计算 用通俗的话说，相异度就是两个东西差别有多大。 在数学上对相异度的定义指的是：设，其中X，Y是两个元素项，各自具有n个可度量特征属性，那么X和Y的相异度定义为：，其中R为实数域，也就是说相异度是两个元素对实数域的一个映射，所映射的实数定量表示两个元素的相异度。 在计算不同元素的相异度上我们采用欧几里得距离来作为相异度，其意义就是两个元素在欧氏空间中的集合距离，因为其直观易懂且可解释性强，被广泛用于标识两个标量元素的相异度。 欧几里得距离的定义如下： 在真实应用中，经常会出现元素项的取值问题，取值范围大的属性对距离的影响高于取值范围小的属性，比如在RFM模型的属性中，M的取值往往要远大于F的取值，这样不利于真实反映真实的相异度，为了解决这个问题，一般要对属性值进行规格化。