聚类与细分分析
# 聚類與細分分析請求
## 分析目的
- 業務目標：[描述細分的業務目的]
- 應用場景：[客戶細分/產品分類/行為分析等]
- 預期用途：[如何使用細分結果]
## 數據描述
- 觀測對象：[客戶/產品/交易等]
- 可用特徵：[用於聚類的變量列表]
- 數據預處理狀態：[是否已標準化/歸一化]
## 聚類需求
請執行以下聚類分析：
1. 特徵選擇與轉換
2. 確定最佳聚類數量
3. 應用適當的聚類算法
4. 解釋並描述每個聚類
5. 評估聚類質量
##聚類方法
請考慮以下聚類算法：
- K-means
- 層次聚類
- DBSCAN
- 高斯混合模型
- 譜聚類
## 聚類評估
請使用以下方法評估聚類質量：
- 輪廓係數
- Davies-Bouldin指數
- Calinski-Harabasz指數
- 聚類穩定性分析
## 輸出期望
- 最佳聚類數量的確定過程
- 每個聚類的詳細描述和特徵
- 聚類的可視化表示
- 聚類的業務解釋和應用建議
- 細分策略的實施建議