← 返回工具箱

👥聚类分析工具

帮你回答：如何把用户/客户分成几类？每一类有什么特征？

💡 适用场景：客户分群、用户画像、市场细分、RFM分析
正在加载计算引擎...
📊 真实行业案例 免费开放

来自电商运营、客户管理、生产制造等行业的真实数据分析案例，点击即可加载数据并获得专业解读

⏳
加载案例中...

📝 输入数据

📁 上传文件
✏️ 手动输入
📁

拖拽文件到此处，或 点击上传
支持 CSV、Excel (.xlsx) 格式

示例：年龄, 收入, 购买次数（每行一个用户）

用逗号分隔，帮助解读结果

建议 2-5 类，太多不易解读

📊 聚类结果

👥

输入数据后点击开始聚类

摘要 指标 图表 中心 解读
👥 聚类摘要
📏 聚类质量指标
--
轮廓系数
--
惯性 (Inertia)
--
样本数
--
特征数
📈 可视化图表
📋 各类别中心特征
💡 统计解读
🐍查看 Python 代码▼ 

                        

                    

                

            


            

                
📖 什么是聚类分析？

                

                    
聚类分析：将相似的对象自动分成若干组，组内相似、组间不同。属于无监督学习。

                    
📊 关键指标解读

                    
    
                        
  • 轮廓系数 - 衡量聚类质量，范围[-1, 1]，越接近1越好
    • 
                        
  • K-Means算法 - 最常用的聚类方法，需预先指定分几类
    • 
                        
  • 聚类中心 - 每类的"代表性"特征，描述该类的典型画像
    • 
                        
  • 惯性(Inertia) - 各点到其聚类中心的距离总和，越小越紧凑
    • 
                    

                    
📁 文件格式说明

                    
    
                        
  • 支持 CSV、Excel (.xlsx) 格式
    • 
                        
  • 第一行应为列名（表头）
    • 
                        
  • 数值列会自动识别为可用特征
    • 
                    

                

            


            

                
📊 探索更多统计工具

                
19 个统计工具免费使用，涵盖假设检验、回归分析、聚类分析等

                查看全部工具 →
            

        

    


    

    
    


    

        

            
            
正在聚类分析...