阿里云天池数据竞赛：汽车产品的聚类分析

简介：
简介：本次比赛由阿里云天池平台主办，旨在通过数据分析技术对汽车产品进行有效的聚类分析，促进汽车行业市场细分与用户定位研究。参赛者需利用提供的汽车相关数据集，开发创新的模型算法以实现精准分类。这不仅是一场技术较量，更是洞察市场需求、推动智能营销策略发展的绝佳机会。 项目基于提供的汽车相关数据进行聚类分析，旨在构建汽车产品画像、分析产品定位，并完成竞品品牌的识别工作。 该项目的数据集包括205条记录及26个字段的详细信息。“car_price.csv”文件中包含了关于车辆的各项指标，如尺寸（长度/宽度/高度）、重量、燃油系统类型和驱动方式等。此外，还包括了重要的市场属性数据，例如汽车名称、价格以及风险评估等级。 项目的主要任务是通过聚类分析来构建产品画像，并识别Volkswagen大众品牌的竞争品牌。以下是项目的具体步骤： 1. 数据字段理解：根据提供的26个字段信息，将它们大致分为车辆自身属性和市场属性两大类别。 2. 数据描述性统计与可视化：对原始数据进行初步观察后发现，没有缺失值或重复记录的出现，“CarName”中存在一些品牌名称错误。 3. 聚类方法选择及要求确认：考虑到数值型变量和类别型变量共存的特点，决定采用二阶段聚类法。这类方法能够处理混合类型的数据集，并需要满足多项式分布与正态分布的要求。 4. 特征工程：对原始数据进行清洗并生成新的有用特征。“brand”字段用于标识车辆所属品牌；同时修正了“CarName”的拼写错误。 5. 变量相关性分析和处理： - 高度相关的数值变量（如“highwaympg”与“citympg”）合并为单个指标，即平均MPG； - “price”作为市场属性被转换成类别型数据，分为低价、中价及高价三个档次。 6. 数值型变量的因子分析：通过SPSS软件进行相关性检验和KMO评估后发现可以执行因子分析。最终确定了两个主要因素（车辆截面与马力；车辆垂面与转速）来代表原始数值数据集中的信息。 7. 二阶段聚类及结果解释： - 运用处理后的数据，通过SPSS软件实施两阶段聚类算法。 - 最终将205辆车分为两大类别，两类的规模相近且均具有较好的划分质量（良好）。 8. 汽车产品画像与定位：基于区分两个主要集群的关键变量（驱动类型、燃油系统等），可以对汽车进行更深入的产品描述和市场定位分析。