Ich bin neu bei Datascience und ich habe mehrtheoretische Frage nach dem k-means (oder irgendeinem) Clustering-Algorithmus. In diesem Moment versuche ich eine Kundensegmentierung basierend auf Verhaltensdaten vorzunehmen. Wir haben verschiedene Attribute entwickelt wie: - der Prozentsatz, mit dem ein Kunde Verkaufsprodukte kauft, - Durchschnittliche Anzahl der Produkte pro Zeit - Durchschnittspreis pro Produkt - Häufigkeit des Kaufs von Produkten im Geschäft - und einige andere.
Was wir zu erreichen versuchen, sind Gruppen vonKunden, die sich wie andere verhalten, so dass wir mit ihnen basierend auf ihren Präferenzen kommunizieren können. Das Problem ist, dass ich nicht sicher bin, ob die Ergebnisse des Clusterings uns die richtigen Segmente liefern, mit denen wir arbeiten können. Wahrscheinlich wird es andere Cluster bestimmen, die für vergleichbares Verhalten gut sind, aber nicht für den praktischen Gebrauch.
Meine Frage ist wie folgt; wäre es besser zuVerwenden Sie einen Klassifizierungsalgorithmus, damit ich die Zielvariable bestimmen kann, oder sollte ich einen Clusteralgorithmus verwenden? Und wenn ich einen Clustering-Algorithmus wählen müsste, wäre es besser, die Anzahl der Attribute zu reduzieren, damit ich mehr Kontrolle über die Art und Weise habe, wie die Ergebnisse ablaufen?
Ich hoffe, dass ihr mir bei dieser konzeptionellen Frage helfen werdet.
Antworten:
0 für die Antwort № 1Wenn du kann Verwenden Sie die Klassifizierung, dann verwenden Sie immer die Klassifizierung.
Clustering ist fragil und kein sehr gut definiertes Problem. Sie möchten kein Geschäft auf Clustering-Algorithmen aufbauen.