余弦相似度

很多人问我：“为什么我用K-Means做用户分群，特征工程搞了两周，聚类结果还是一团糟？”我一般只回一句：你检查过距离度量了吗？十次里有八次，问题不在特征、不在聚类数K，而在那个最容易被鼠标划过去的参数，metric。 这不是理论推演，是我过去四年在电商、内容推荐和异常检测项目里反复验证出来的结论。这篇文章不会罗列几十种距离度量凑字数，我只讲三个真正高频使用、且选择逻辑彼此对立的核心度量：欧氏距离…

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…