支付宝消费类型研究与分析

摘要

支付宝的知名度早已享誉世界，它的便捷度给人们的生活带来了巨大的改变，它是人们生活中必不可少的消费软件。它在支付方面有着多种多样的消费类型，比如人们生活中的日常转账、日常开支等等，支付宝则可以形成账单的形式呈现到人们眼前，人们通过支付宝也享受到了便捷度。由于支付宝消费种类比较多，账单汇总方面分类并不详细，因此本文就支付宝的消费类型进行了分类分析，同时还进行了消费类型的预测和评估，这样能够满足用户的账单整合分类需求，同时可以节流开支。从企业角度讲可以减少企业的管理成本，从个人用户角度讲可以一目了然地了解本月的消费情况。

本文对此也展开研究，就人们日常生活中对支付宝的消费进行研究和分析，本文对人们生活中的购物、吃饭等线上线下消费以及支出展开了研究，并且运用了MATLAB软件进行分析，使用大数据技术将人们的日常消费进行平均计算并且对消费类型影响分析进行研究，并且通过聚类算法和神经网络算法以及对平均值的计算了解支付宝的日常消费情况，同时通过大数据分析找出消费中哪一种消费类型占据比重比较大，哪一种消费类型可以进行节约。本文采用k-means聚类算法以及BP神经网络算法进行综合的研究和评估，以某人日常个人消费为例进行研究和分析，望给予人们了解日常消费开支一定的参考。

关键词：支付宝消费类型；k-means聚类算法；大数据技术；神经网络

1 绪论

　1.1研究背景

支付宝的发展，在近几年达到了顶峰，人们似乎习惯了在网上解决一切问题，那么网上带来的消费观也对人们带来了深远的影响。而支付平台，比如本文中的支付宝的经济利益也达到了顶峰。不过在这样高度使用支付宝的过程中，商家应当注意人们习惯的消费类型，并且根据消费类型进行人性化的管理，而商家和用户以及支付宝之间，应该进行完美的结合，使得用户满意度提高，而用户方面应当合理记录账单进行合理消费。

在线支付继续保持疲软增长态势，销售额连续五年翻了一番，2021年达到58080.4亿元。根据市场咨询公司艾瑞咨询的数据，中国的在线支付用户规模（半年至少使用一次）从5200万迅速增长到2020年的9000万，增长率为73.1%。支付宝以49.8%的市场份额领先（此处提供的数据不包括在第三方支付平台上已注册，但最近或前几年未使用在线支付的用户）。支付宝已经在2021年7月初表示，其注册用户数量正式突破1200亿大关[]。这一系列数据向我们展示了第三方支付行业蓬勃发展的前景。

按消费目的可分为三类消费：生存资料消费、发展资料消费和享受资料消费。生存资料消费是指生存所需的物质生活和劳务的消费，也是支付宝最基本、最常见的消费类型。食品、服装、住房、交通等消费类型满足了人们日常生活中最基本的消费需求，也是支付宝快速增长和发展的主要动力。享受资料消费是指不进行实物交换的服务性质的消费，可以通过支付宝的红包传递功能进行。人们的生活需求可以通过购买服务来实现，这简化了交易流程，便利了交易模式。发展资料消费是指用于满足道德、智力、体育等方面需求的消费。

支付宝的教育培训消费和户外运动类型消费反映了人们随着生活水平的提高而整体发展的需求。快乐消费是指在满足人们生存和发展的需要的前提下，进一步丰富人们的物质和精神生活。电影表演、文化休闲、公共服务、医疗和商业等等越来越成为人们使用支付宝的主要消费类型，这不仅满足了人们日常生活中的各种需求，也更有利于支付宝的推广和发展。此外，根据交易方式，它可以分为两种类型：货币和消费补偿品和贷款消费。货币和消费补偿品的交易是指货币的支付和商品的交付。这种交易方式在人们的日常消费中很常见。贷款消费的交易方式领先于其他消费交易方式，花呗、借呗也成为年轻人的热门消费类型。这有利于提高支付宝的使用率和知名度，拓展市场，加强推广。一般来说，各种消费类型的结合有利于支付宝项目的开发和推广，刺激消费，促进消费转型升级。

　1.2研究意义

本文主要对支付宝不同的消费类型进行分析，并且进行了简单的数据处理，主要帮助人们进行日常消费的合理安排。不管是个人还是企业，如果合理运用支付宝，那么消费则非常合理。从企业角度讲，支付宝消费的合理应用，也可以让支付宝了解用户，推出更好的产品，让用户满意度提高。通过对支付宝人们日常消费类型的分析后，我们可以准确的看出哪些消费类型最多，哪些消费占比最大，本文使用了聚类分析法和神经网络分析方法。

　1.3研究的现状

目前支付宝的消费比较高，是人们支付的第三方平台，而且很多人出门不带现金，直接使用支付宝进行消费，而银行也因此受到了巨大的冲击。支付宝自 2003年10月创建，从前期的努力和创造，终于有了如今如日中天的镜像。在马云前期的努力中，将我国的电商行业带入了一个新的开端，而人们也开始适应了支付宝的消费。2004年，支付宝从阿里巴巴独立出来，成立了支付宝公司，进行独立运营[]，目前支付宝已成为中国最大的第三方支付平台。支付宝作为第三方支付平台，为了满足不同消费类型人群的需求，也在进行创新研发。各种消费形式的出现，比如说从红包和转账功能到生活支付、交通、娱乐休闲、医疗、商业服务等，满足了人们对不同消费类型的需求，极大地便利了人们的生活，促进了支付宝的商业推广和合作发展，不断增强其创新能力。中国最大的第三方支付平台支付宝肯定会从中受益。随着支付宝公司近期内部重组的深入，马云控股的投资公司很可能会重新获得雅虎和软银对支付宝的控制权。这样更有利于支付宝的长远发展和规划。

在国外，支付宝发布了40个海外代码扫描支付场所，在一定程度上满足了海外员工的消费需求，支付宝向外国游客开放了接入渠道，满足了更多的消费需求。它支持支付宝开拓海外市场，提高海外知名度。例如，根据支付宝数据，支付宝已经与52家国际银行建立了合作关系，包括19家国家银行和34家地区银行[]。信用卡方面，中国工商银行、中国银行、中国建设银行、招商银行、上海浦东发展银行、光大银行等9家合作银行；作为银联新智能支付终端的“拉卡拉”，便利金融服务网点多达2万个，合作银行15家，包括招商局、平安、深发展、广发、通用、中信、东亚等。然而，在目前不成熟的国际市场上，银行通过与第三方支付合作培育市场的成本应该更低。例如，在C2C的形式下，由于卖家分散，管理需求耗费大量时间，银行直接接入的收入并不理想[]。然而，随着第三方支付行业的发展和壮大，银行偶尔会增加对在线支付行业的投资。由于第三方支付必须依赖银行作为清算管理，银行本身的公信力远大于第三方支付公司。

　1.4研究的内容

本文主要使用聚类算法以及神经网络算法进行分析，先后将支付宝的消费类型进行了分析，并且采用了网购、投资，以及转账和红包三种形式进行分析，通过这样的分析，支付宝可以了解消费者的需求，同时消费者也能够合理的进行消费。

2 相关分析技术和算法

2.1 MATLAB

X公司MathWorks生产的商业数学软件系统，广泛应用于数据挖掘、无线通信、学习、信息图形处理和计算机视觉、信息管理、数字金融服务和管理、机器人技术、控制系统等应用领域。

MATLAB是matrix和laboratory的结合体，即matrix Factory（matrix laboratory），该软件主要面向科学计算、可视化和交互式编程的高科技计算环境。它集成了一系列强大的功能，例如数据挖掘、矩阵运算、科学数据的可视化和建模，以及在易于应用的窗口环境中模拟复杂的非线性动态系统。它为科学研究、工程设计和许多需要执行有效数据操作的科学研究应用领域提出了一种新的解决方案。它在很大程度上打破了传统非交互式编程语言（如C和FORTRAN）的传统编写模式。

MATLAB、Mathematica和Maple被列为世界三大计算机数学应用。在计算机数学的所有科学和技术应用中，它在数字运算方面是首屈一指的。线矩阵技术用于计算问题、描述函数和统计数据、执行计算、制作用户界面以及连接其他编程指令中的程序。由于MATLAB的基本数据信息单元是行数组，其命令表示与计算机数学和工程领域中最常见的表达式形式非常相似，因此用MATLAB求解要比用C和Fortran等编程语句完成同样的任务容易得多。此外，MATLAB还吸收了maple等软件系统的优点，将MATLAB转化为强大的计算机数学软件系统。对C、FORTRAN、C++和Java编程语言的支持已在最新版本中添加。

　2.2 k-means聚类分析

聚类是将数据划分为不同的子类别和簇的过程，这使得同一簇中的对象具有很大的相对相似性，而不同簇中的对象也具有很大的相对差异性。

从统计学的角度来看，聚类分析是一种利用大数据建模简化统计分析的方法。传统的聚类数据统计分析方法包括系统聚类法、分解法、加法、动态聚类法、有序样本聚类分析法、重复聚类分析法和模糊系统聚类法。用K-means、K-center point等方法计算的聚类分析工具已被添加到许多国际著名的大数据分析工具包中，如SPSS、SAS等。

从机器学习的角度来看，聚类等价于隐藏模型。聚合是一个无监督的聚类搜索过程。与分类练习不同，无监督学习不是基于预定义的类别或带有类别识别的培训示例，但必须通过聚类学习算法自动识别，并且分类练习中的训练示例或数据对象具有分类识别。分组是一种观察练习，而不是训练的示例练习。

聚合分析方法是一种探索性分类：在分类过程中，人们不会提前提交分类标准，但聚合分析方法可以从样本数量开始，然后自动完成分类。不同的聚类分析方法往往导致不同的结果。当不同的学生对相同的数据使用聚类分析方法时，聚类分析方法的数量可能不尽相同。

从实际应用的角度来看，聚合数据分析也是数据分析和挖掘的关键任务。聚类分析可以作为获取数据分布信息的独特工具，分析每类数据的特点，重点深入分析集群的特殊合作关系。同时，聚类分析也可以作为一些计算的预处理过程（如分类法和定性归纳算法）。

　2.3 BP神经网络算法

BP(Back Propagation)网络是1986年由Rumelhart和McClelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是应用最广泛的神经网络模型之一。BP网络能学习和存储大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层(input)、隐层(hide layer)和输出层(output layer)。

　2.4 可行性分析

可行性分析是指从市场需求、产品来历、机器形态、影响要素和盈利情况等方面对运用项目中进行的调查和分析。预计实施后或许达到的社会影响和盈利可能，提出投资项目的价值和实施办法，为项目决策供应全面的系统分析办法。可行性分析具有必要的、可猜想的、公道的、牢靠的和科学的特性。

2.5 技术可行性分析

技术可行性主要考虑到开发工作能否顺利进行，以及软硬件条件配置能否足以支持整个系统的开发。使用进行数据的存储，MATLAB为服务器。依据涉及到的这些开发软件及相关技术，能够完善所有已设计的功能且最终开发出整个系统，因此技术上是完全可行的，并且使用了神经网络算法进行了数据的预处理，灰度的处理，运用大数据技术进行评估，软件是开源免费的。

2.6 经济可行性分析

这一程序主要使用的是MATLAB标准库和第三方库，这些库都是免费提供给开发者的，属于人人皆可拥有的平民产品，并且系统开发者能够独自完成所有的开发需求，在硬件上只要拥有安装了相应开发软件的电脑一台即可，不用消耗太多的资源。所以从消耗的成本和得到的受益之间的比例来看，在经济上是完全可行的。为了确保工作效率，以及实用性，前期数据训练、实验较高的配置能够缩短训练时间，加速模型的成熟，尽快投入使用。

3 架构设计与实现

　3.1 概述

本章对支付宝的消费影响因素进行分析，本章主要选择数据的清洗和筛选进行设计与实现为主要功能需求分析，整个系统的评估步骤包含：数据的搜集、数据的处理、数据的筛选，然后进行个人支付宝消费类型的分析，将人们的日常消费和转账和红包，买东西和旅游等消费和支出进行数据的制作，本文进行了多个人员的账单数据的导入，数据如下表3-1所示。

表3-1 日常消费数据

4bf1f46ac283e400d42e744c178baf9e 　　3.2数据的导入

我们可以将数据以记事本的形式保存运用Load指令进行导入，当然我们也可以直接导入，但是导入数据后我们需要进行数据矩阵导入，这样方便我们在后期进行变量的设置。进行数据预处理后，需要进行数据的清洗，日常的支付宝消费类型则是根据基本的数据进行，数据导入处理清晰清单如图3.1。

0784aa137fc337ae2465b9dc12892174 　　图3.1 数据导入

　3.3计算平均值

导入数据后我们建立矩阵，然后得出我们的平均值，以及哪项支出比较大比较多，平均结余是多还是少。从图中我们可以看出，第一个人的平均每天的余额是25元。当然我们需要定义变量，然后进行数据的导入。

f9c2f8c7d8b7b1b5d48399821c4f18fa 　　图3.2 计算平均值

3.4数据的分类

我们将整体数据进行了矩阵的处理，本文先以三类为主，网购和买衣服是为一类，转账和红包为一类，然后是支出和借呗为一类。前面已经建立矩阵，然后我们建立变量data,然后将这三类分别进行分类处理，处理成data1，data2,data3,进行分类，得到如下三组波形图。

9d2702d5c63641c57a36af55c0bbeecd 　　图3.3 网购和买衣服

95e3ad063580f7749f7238ac8d88f6f8 　　图3.4 转账和红包

2d14c3fe6dc8e8015bba6c649530ae0b 　　图3.5 支出和借呗

然后我们将三组数据放到一起进行总体的分类比较，这样的表达会更加清晰，能够看出支付宝消费哪种会更多，我们看到第三组，支出和借呗的消费还是比较大的。

61a321de755eafd187cef2ee9e1970f7 　　图3.6 三组总体分类

从图中我们可以看出绿色和紫色的比较多，而紫色消费相对比较少，其中绿色代表我们的支出和借呗使用还是比较多，紫色代表第二类网购和买衣服，则红色代表的转账和红包比较少，下面我们将三组数据的中心点进行设置，这样就知道我们三组数据的均值。

3.5消费中心点

三组数据中可以看到转账和红包红色占比最小，中心点也比较少，而绿色最大，说明我们的支出和借呗使用超标，而网购相对也比较多，停留的中心点基本在100左右。这根据我们的数据所得。

33f2146ec9b2d98629bc4e416c5a9bf4 　　图3.7 三组总体分类

4c5ebe486ee6304774a1f05609ac2ada

图3.8 将三种变量汇总到一张图上

消费中心点的坐标比例是非常重要的，如代码中的坐标不能要按照列数进行，如果，我们将列数调整，调整为100，行数调整为100，也就是说我们提取100个样本，则会有较大的差异，而数值不变，只是提取的样本比较多。综合而言最终我们的支出和借呗的指数依然是最高的，那么我们的紫色和红色，也就是转账红包类和购物类则发生了较大的变化，购物类在后期提取数值时超过了转账红包紫色，因此我们的数值提取的越大，则精确度越高。综合而言，我们要根据提取的样本的数值走势进行研究。下面是提取样本100行，100列的结果如图3.9所示。

7d3b5f76da9fd8a720b2fd78f74d3999 　　图3.9 提取样本100行和100列的指数

　3.6 神经网络算法

我们运用训练集进行数据的提取并使用训练集进行测试，然后给定一定值进行模拟测试，从图中我们可以看到网购消费值取总体数值和网购值作为支付方，然后进行测试训练，我们可以看到他的真实值和我们的训练值的区别，然后我们对结果进行评估，评估中可以看出网购消费的占比还是比较大的，采用预测值可以平均数值。整体的网购的消费中我们可以看到网购的真实值非常大，经过我们学习率的拟合训练后给与了一定的支持预测，我们基本控制在30-60元之间，这样我们就不会超过标准，超出消费。

dca2503451033f0ecc77f0cf493b0bbc 　　图3.10 网购与预测值对比

代码展示

755db1346a983a65ff9e3bcff949fd85 　　图3.11 网购与预测值代码

由于我们的数值是随机提取的，因此通过神经网络算法，计算的真实值和预期值具有一定的随机性，因此得到的学习率则会存在一定的差异性。因为每次提取的数值不同，我们提取的随机数值是根据我们的购物的消费值随机提取。这也是神经网络算法的共性。下面我们来看最新的购物学习值，如图3.12所示。

f2b591a29d6a15e5a1c13f5557fd644a 　　图3.12 网购与预测二次对比

从图中我们可以看到我们的购物预期值在第五次消费时比例比较高，在其他情况比较平均，而真实值是在开始比例比较高，在最后逐渐超标，因此我们也可以在消费的过程中根据不同的方案进行购物。

3.7 算法选择

运用BP网络的相关函数，进行训练集的收敛，训练集是否收敛，对于曲线的耦合非常重要，公式如下：

　　（3-1）

式中n—学习率；

a—动态向量参数；

w—误差值；

在数值中可以看到n的训练频率比较快，速度最为迅速，在取值曲线的时候，会有较大的波动，表示数值和数据之间很快就能形成支付宝消费的提醒和训练。但是n值的缺点是速度过快，精度会慢，尤其是在训练的上下波动后，很可能错过最优的曲线选择。因此选择算法时和数据采集的过程中，需要对多组数据进行采集。这样的训练方式，可以用一次性采用组的方式来进行，根据组的数量的需求，可以多次采集n的倍数，因此在公式中会给加上多倍数值。另外在训练的方式也取决于机器的性能，也可以选择串行的方式进行训练，下图3.13是训练的过程。

fb17fae0a46497ab0afd7175cabcad6d 　　图3.13 模型的评估

4 支付宝消费建议和对策

　4.1 合理消费

首先，受网络环境的影响，各种信息传播迅速，大学生深受影响，追求品牌知名度，支持奢侈品。各种时尚潮流深刻影响着大学生的消费心理。他们开始关注各种知名品牌，追求品味和地位。其次，他们开始注重享受生活。各种时尚生活方式将被模仿，并逐渐形成一种趋势。

　4.2 转变消费观念

由注重物质方面的消费观转向注重精神文化方面的消费观；由注重物质美观的消费观转向注重物质实用性的消费观；由铺张浪费的消费观转向勤俭节约的消费观；由从众模仿的消费观转变到追求个性和实际的消费观。

4.3树立合理消费观念

大学生应养成良好的消费习惯、合理的计划和良好的财务管理观念。根据调查，家庭是大学生生活费用的主要来源：94%的学生生活费用由父母或亲属承担，其次是兼职工作。

作为一种经济来源，我们应该树立合理的消费观念，避免冲动消费。一是提高自主意识，减少思想依赖，积极参与社会实践，提高自控能力，培养财务管理能力。二是要克服比较心理，树立良好的消费观念。

5 系统测试

5.1 测试的概念

测试主要用来检验我们的结果是否正确，我们的数据和矩阵是否输入错误，因此我们检验的时候通常对数据一定要进行1:1的比例进行替换。

　5.2 测试的方法

当我们的系统成功的设计且开发完成后，为了避免可能因为系统代码、结构等因素而出现的错误，所有我们需要对系统进行测试。只有反复的测试系统，才能尽可能地减少出现错误的概率，尽可能的排除并修复系统中出现的各种错误，以确保系统能够正常的运行。

在现阶段下，白盒测试和黑盒测试是我们测验相关系统能否存在问题的常用的方法。两种测试方法的阐述如下；白盒测试（也称结构测试）其的主要作用是用于检测软件在编码时呈现的错误。可能会对系统的性能造成影响的因素有：是否熟悉软件编程，程序员的编程经验等等。黑盒测试（也称功能测试）主要对系统各项功能的实现情况进行检测，确保各个功能能正常使用。在测试时，测试员需要预先对各种有可能出现异常的状况进行评估，然后有针对性地设计不同地测试用例，检测功能是否正常实现。

5.3 测试用例

测试的过程中我们很容易出现打错字符，或者坐标系数出现错误，但是MATLAB都会进行提醒。

4894219f4faeb0ecf3c2beba538b860f 　　图5-1 BP神经网络训练参数调试

　5.4 测试小结

本次测试过程中整体测试都结束了，测试后整体数值运行成功，包含聚类的分类，以及神经网络的学习率。

6 结论

在课题研究时，对支付宝的消费类型进行了分析与预测，并且从开发背景、国内外研究现状的分析，明确了系统开发的理论价值和意义。通过对个人大数据分析与教育应用现状的调研，对个人大数据分析与教育的业务特点以及相关技术进行了分析，并对支付宝消费类型进行了深入的需求分析，明确了支付宝消费类型研究与分析所需要实现的功能，并给出了支付宝消费类型研究与分析的总体设计，确定了支付宝消费类型研究与分析的技术架构和功能架构，进行了大数据分析功能模块的设计，并根据支付宝的不同消费类型进行研究和预测，并对支付宝消费类型分析代码进行了测试，完成了支付宝消费类型研究与分析的整个过程。

不过支付宝的消费类型研究与分析要根据提取的样本的指数而言，提取的样本越多，那么样本的指数则越精准，在实际的使用和消费中，我们要根据实际情况进行。

参考文献

[1] 陈虹杉.消费类型综述:实物购买与体验购买[J].全国流通经济,2021,(08):3-7.

[2] 魏澜,范静怡,李霞.高校大学生提前消费行为研究——以“蚂蚁花呗”为例[J].现代商业,2020,(21):15-17.

[3] 樊亚伟.第三方支付对中国居民家庭消费的影响研究[D]. 青岛:青岛大学,2020.(12):5-7.

[4] 盖念.互联网消费金融对用户消费结构变化的影响研究[D].北京:北京邮电大学,2021.(1):109-117.

[5] 钟明华.中国的移动支付经济效应及影响因素研究[D]. 北京:北京邮电大学,2021.(13):105-107.

[6] 许康.蚂蚁花呗用户持续使用意愿影响因素与改进对策研究[D].蚌埠:安徽财经大学, 2020.(21):111-112.

[7] 王勋.移动支付改变经济和金融[N].社会科学报,2020-05-14(002).

[8] 左宁宁.消费偏好类型、移动支付方式与商品类型对消费者购买决策及信息加工过程的影响[D].天津:天津师范大学,2020.(11):115-137.

[9] 张涵.移动支付对大学生享乐幸福度和冲动性消费的影响研究[D].南昌:江西师范大学, 2019.(22):125-129.

[10] 张美萱,吴瑞林,张涵,田奕真,杨鹿野,姚唐.“电子钱包”让人花钱更多？——手机支付的心理账户效应[J].心理科学,2018,41(04):904-909.

[11] 黄国瑞.不同类型的收入差距对居民消费影响研究[J].哈尔滨学院学报,2020,41(12):27-30.

[12] 罗冰.在线社交、平台类型与消费意向关联性分析[J].商业经济研究,2021,(01):86-89.

[13] 周晓慧.线上社会交互对消费者购买意愿的影响研究[D].太原:山西财经大学,2018.

[14] 段彦辉.城镇居民家庭收入特征及消费特点研究[J].商业经济研究,2020,(03):62-65.

[15] 包金龙,袁勤俭.电商平台信息线索类型及其对消费决策影响研究[J].兰州学刊,2020,(01):109-119.

[16] 杜媛. 基于数据挖掘技术的学生事务分析系统的研究与应用[D].中国计量大学,2019.

[17] 徐枫. 大数据环境下高校学生行为综合分析研究[D].兰州理工大学,2019.

[18] 张书军. 基于Hadoop平台的高校贫困生认定的研究与实现[D].北京工业大学,2019.DOI:

[19] 赵亚康. 基于校园多源数据的学生好友关系研究[D].北京工业大学,2019.

[20] 徐启帆.基于互联网下消费金融的战略分析——以蚂蚁花呗为例[J].中国轻工教育,2019(02):27-30.

[21] 尹相权,弓建华.基于人体检测技术的图书馆座位管理系统探究[J].情报探索,2019(03):86-90.

[22] 武雪成,丁思琳,李瀚博.基于SWOT分析的大学生消费金融服务产品的研究[J].财会学习,2019(02):132-134.

[23] 程婧雯.以支付宝平台蚂蚁花呗为例分析互联网金融中的消费信贷发展[J].中国国际财经(中英文),2018,27(11):13-15.

[24] 游香薷,王业,杨抒,王斌.基于聚类算法的学生消费行为分析研究和应用[J].自动化技术与应用,2017,36(12):32-35.

[25] 赵震.基于OpenCV的人体安全帽检测的实现[J].电子测试,2017(14):24-25.

[26] 游香薷,王业,杨抒,王斌,赵新苗,姚海伦.学生消费行为的聚类分析优化研究和应用[J].计算机系统应用,2017,26(06):232-237.

[27] 游香薷. 数据挖掘在校园一卡通数据分析中的研究与应用[D].新疆农业大学,2017.

[28] 张强. 大学生消费支付方式选择的影响因素分析[D].云南财经大学,2017.

[29] 韩利东. 基于电商用户消费行为数据的聚类分析[D].兰州大学,2017.

[30] 刘梦莹.我国消费金融的发展与花呗产品的优势分析[J].时代金融,2017(08):50-51.

致谢

从选题、框架构建、数据收集和分析到论文的最终撰写，花了半年多的时间。从最初的困难和犹豫到后来的理解，论文的整个写作过程就像是学生四年的学习和生活。它似乎很长，但很快就过去了。似乎昨天，本科阶段的孩子气消失了，慢慢地步入了学术门槛，这是可以理解的。现在他正要挥手告别。

回顾过去的四年，过去和昨天一样生动。我想念我参加过的每一门专业课，我听过的每一次讲座，我做过的每一次课堂演讲，以及我在一起四年的每一位同学。我真诚地感谢每一位在我的学生生涯中辛勤工作的可爱的老师。

学生阶段的每一次经历都让我受益匪浅。在这漫长而短暂的四年里，它不断改善我的世界观、人生观和价值观，提高我的个人能力，教会我如何作为一个独立的个体融入社会。这使我逐渐对自己有了更清晰的认识和更准确的定位。所有这些都对我未来的学习、工作和生活产生了深远的积极影响。

感谢所有在这四年里帮助过我的老师、同学、室友等等。你们在我的学习生涯中留下了深刻的印记。

在此，谢雨恒表示衷心的感谢和崇高的敬意。