RFM模型+SOM聚类︱离群值筛选问题

    笔者寄语：一般情况下离群值不应该直接删除，应该进行筛选，然后进行专门的离群值分析。笔者在这进行一下思考，在聚类基础之上的一种离群点检验。

基于聚类的离群点检测的步骤如下：数据标准化——聚类——求每一类每一指标的均值点——每一类每一指标生成一个矩阵——计算欧式距离——画图判断。

1、数据聚类

利用RFM客户价值模型，进行SOM（自组织映射神经网络模型），可以参考笔者的博客。一般的聚类方式，比如K-mean均值是比较常用的聚类方法（可见笔者的其他博客——R语言︱异常值检验、离群点分析、异常值处理）。

当然聚类之前，需要进行数据标准化（scale函数）。

2、计算欧式距离

计算每一类人群的RFM三指标的均值。比如分成三类，计算三类指标的均值。

> km$centers
           R          F          M
1  3.4550549 -0.2956536  0.4491234
2 -0.1604506  1.1148015  0.3928444
3 -0.1493534 -0.6588930 -0.2717798

原理就是先生成一个每行都一样的均值矩阵（如下表），然后让原始数据减去均值矩阵的每一行，计算欧式距离。

> x1

              [,1]               [,2]             [,3]

  [1,] 3.455055 -0.2956536 0.4491234

  [2,] 3.455055 -0.2956536 0.4491234

  [3,] 3.455055 -0.2956536 0.4491234

  [4,] 3.455055 -0.2956536 0.4491234

欧式距离是公式=sqrt(rowSums((Data-均值矩阵)^2))

#各样本欧氏距离，每一行
x1=matrix(km$centers[1,], nrow = 940, ncol =3 , byrow = T)
juli1=sqrt(rowSums((Data-x1)^2))
x2=matrix(km$centers[2,], nrow = 940, ncol =3 , byrow = T)
juli2=sqrt(rowSums((Data-x2)^2))
x3=matrix(km$centers[3,], nrow = 940, ncol =3 , byrow = T)
juli3=sqrt(rowSums((Data-x3)^2))
dist=data.frame(juli1,juli2,juli3)

此时就会形成一个，三类欧式距离的变量列表。代表原始数据——三个聚类结果的欧式距离。计算每个客户，最小的欧式距离作为最好的筛选指标。

> dist

        juli1                 juli2          juli3

1   3.1408725 2.4185049  1.2839514

2   4.4956224 1.9607109  1.2517772

3   4.6252512 1.1052795  1.7285993

3、画图并筛选

计算每个客户每个变量最小的欧式距离，然后进行画图，最后筛选出，这批数据的ID信息。

##欧氏距离最小值
y=apply(dist, 1, min)
plot(1:940,y,xlim=c(0,940),xlab="样本点",ylab="欧氏距离")
points(which(y>2.5),y[which(y>2.5)],pch=19,col="red")
 
##数据筛选
yy=data.frame(id=which(y>2.5),long=y[which(y>2.5)])  #2.5这个阀值自己调整