聚类分析

去年帮一家消费金融公司排查坏账异常时，我们撞上了一堵墙。规则引擎每天推送上百条可疑交易，业务团队逐条排查，三个月后精力耗尽；引入孤立森林做粗筛，确实把大部分明显离群点抓了出来，但一批“看起来正常、金额不高、时间分散、账户年龄两年以上”的团伙作案全部漏过。最后是 DBSCAN 救的场：这批老账户在交易频次维度上形成了几个人口密度极低的小簇，被 DBSCAN 标记为噪声。平均单笔损失只有几百块，但总量…

接触过上百个真实业务场景后，我越发确信一件事：聚类分析从来都不是一个纯粹的技术问题，而是一道用算法翻译业务语言的阅读理解题。 半年前，一家连锁零售品牌的运营总监找到我，甩过来一张表：“我们有300万会员的消费数据，你把用户分成高价值、中等价值和低价值三类，我好做精准营销。”听起来很简单，对吧？随便跑个K-means，K=3，完事。 结果那天晚上，我的K-means模型吐出来的三个“用户群”把他给气…