上周在忙着离职的事情，休息了几天，我这人就是作，工作的时候想着休息，离职了休息在家也难受，所以还是想着更新公众号，新工作要求要用python,所以我以后估计会更新python的东西，但是我现在学python还是小白，各位大佬，还需要好好指正。
今天来更新一个用户标签化的一个思路，用户标签化可以粗鲁的地理解为用户画像，在精准营销中，会比较经常用到用户画像，以此可以对客户定位进行精准定位，但是用户画像我觉得不值精准营销，在信用评级这款，我们也可以对客户分类，你要是数据量大，你可以对客户分类之后建模，如果数据量少，你可以对数据分类之后，作为你最终拟合的一个变量。
这篇文章就是主要介绍这么一个思路，用聚类做一个可部署到规则引擎的东西，为什么叫东西，因为这东西取决他的效果，效果好就是模型 ，效果不好就是衍生变量。
为什么有这个思路，是因为在一次面试中，说到衍生变量这块，面试官问我，怎么知道一个手机号码是外卖电话，我当时下意识地说，用号码百事通，但其实这个方式不实际，因为一个人的通话记录那么多，每个都去吊起查询，这个耗费内存不说，还浪费时间，所以是否有一个方式，可以找出这类电话的规律，然后照着这个规律去定义电话，这样子更省时间，且方便快捷，我之前在（插入链接），这篇文章中说的意淫法，就是你自己体会日常生活中外卖电话的特征，然后自己做这些电话的规则，但是这不太实际，为什么？因为有些规律不是我们能准确把握的，所以介绍今天的这个思路。
3、分出来的类别，数据分析，这里需要详细说一下，如果做过聚类分析的同学应该知道，聚类还是会有些异常的点，就是每个类别也会有一些是强迫属于这个类别，比如以下这个图：
这一步骤，就需要你根据聚类结果，分析出类别的主要特征，我这里建议是，可以每个变量画箱型图之后，取集中的区间，如果是字符变量的话，那就取前几个组累积占比达到大概80%-90%的组作为这个簇的在该字符变量的主要特征。这一步骤，就需要你根据聚类结果，分析出类别的主要特征，我这里建议是，可以每个变量画箱型图之后，取集中的区间，如果是字符变量的话，那就取前几个组累积占比达到大概80%-90%的组作为这个簇的在该字符变量的主要特征。
4、计算与y值的效果。这个效果可以是相关系数，iv，gini,信息熵，卡方统计量，其实在我们一直以来，聚类分析，没有一个很量化的定义说，这个东西分出来是合理的，毕竟他是无监督算法，你没有一个表现变量可以看，那么这之后你本来就是用y值，只是在模型拟合的时候你不用，但是你可以在检验效果的时候用上啊。
