携程作为中国领先的综合性旅行服务公司，每天向超过2.5亿会员提供全方位的旅行服务，在这海量的网站访问量中，我们可分析用户的行为数据来挖掘潜在的信息资源，用K-means对用户进行画像，并针对不同的用户类别，提出可行的营销建议。

2.1数据集来源：

数据集包括：训练集和测试集。训练集为2016.05.15-2016.05.21期间一周的访问数据，测试集为2016.05.22-2016.05.28期间一周的访问数据。本篇文章主要讨论的是聚类分析，所以只用训练集。

2.2 字段描述

通过查看数据类型，发现所有字段中只有d、arrival两个字符串格式，分别代表预定时间和入住时间，都为yyyy-mm-dd日期形式，将其相减可得到“提前预定的天数”，得到新的衍生变量特征

通过描述统计观察发现，delta_price1、delta_price2、lowestprice、customer_value_profit、ctrip_profits这几个变量最小值为负值，需要对其处理。同时，结合四分位和极值，发现有极大或极小的异常值，如decisionhabit_user、historyvisit_avghotelnum等，较多字段都存在异常值，对所有字段一并进行处理。