k-means聚类特征

离散值

说明

用户ID

${\text{U}}_i$

用户ID

店铺ID

${\text{S}}_j$

店铺ID

支付宝使用次数(C₁)

${\text{C}}_{\text{1}}=\text{c}\left(\text{c}\in \text{N*}\right)$ .

用户 ${\text{U}}_i$ 在店铺 ${\text{S}}_j$ 支付及浏览总次数。

用户平均每次使用金额(C₂₁)与店铺平均使用金额(C₂₂)的差值(C₂)

${\text{C}}_{\text{2}}={\text{C}}_{\text{21}}-{\text{C}}_{\text{22}}$

其中 ${\text{C}}_{\text{21}}=\frac{{\displaystyle \sum _{k\text{=1}}^{\text{N}}\text{per\_pay}\ast {\text{pay\_time}}_k}}{\text{N}}$ , ${\text{C}}_{\text{22}}=\text{per\_pay}$ .

${\text{pay\_time}}_k$ 为用户 ${\text{U}}_i$ 在第k时间点下在店铺 ${\text{S}}_j$ 的支付次数，N为用户 ${\text{U}}_i$ 在不同时间点下在店铺 ${\text{S}}_j$ 的支付次数。

平均多长时间购买该店铺商品(C₃)

${\text{C}}_{\text{3}}=\frac{{\displaystyle \sum _{k\text{=2}}^{\text{n}}{\text{pay\_time}}_k-{\text{pay\_time}}_{k-\text{1}}}}{\text{n}}$ .

n为用户 ${\text{U}}_i$ 在不同时间点下在店铺 ${\text{S}}_j$ 的支付次数， ${\text{pay\_time}}_k$ 表示用户 ${\text{U}}_i$ 在第k个在店铺 ${\text{S}}_j$ 支付的时间点。

店铺评论数量(C₄)

${\text{C}}_{\text{4}}=\text{comment\_cnt}$ .

comment_cnt的数值越大代表评论数量越多

店铺评分(C₅)

${\text{C}}_{\text{5}}=\text{score}\left(\text{score}\in \left\{0,1,2,3,4,5\right\}\right)$ .

score的数值越大代表评分越高

店铺类型(C₆)

${\text{C}}_{\text{6}}=\text{cate\_id}$ .

cate_id的具体表示方法见章节3.1数据预处理。

店铺档次(C₇)

${\text{C}}_{\text{7}}=\text{shop\_level}\left(\text{shop\_level}\in \left\{\text{1,2,3}\right\}\right)$ .

1表示低档，2表示中档，3表示高档。