Je suis nouveau sur datascience et j’en ai plusquestion théorique sur l'algorithme de classification k-means (ou tout autre). En ce moment, j'essaie de faire une segmentation de la clientèle basée sur des données comportementales. Nous avons conçu plusieurs attributs tels que: - le pourcentage qu'un client achète des produits vendus, - nombre moyen de produits par heure - prix moyen par produit - fréquence d'achat des produits au magasin - et plusieurs autres.
Ce que nous essayons d’accomplir sont des groupes deles clients qui se comportent comme les uns les autres, afin que nous puissions communiquer avec eux en fonction de leurs préférences. Le problème est que je ne suis pas sûr que les résultats de la mise en cluster nous donnent les bons segments avec lesquels nous pouvons travailler. Cela déterminera probablement d’autres clusters qui sont bons pour un comportement comparable, mais pas pour une utilisation pratique.
Ma question est la suivante. serait-il préférable deutiliser un algorithme de classificateur afin que je puisse déterminer la variable cible, ou devrais-je utiliser un algorithme de classification? Et si je dois choisir un algorithme de classification, serait-il préférable de réduire le nombre d'attributs afin d'avoir un peu plus de contrôle sur la manière dont les résultats sont obtenus?
J'espère que vous allez m'aider à résoudre ce problème conceptuel.
Réponses:
0 pour la réponse № 1Si vous pouvez utilisez la classification, puis utilisez toujours la classification.
Le regroupement est fragile et le problème n'est pas très bien défini. Vous ne voulez pas construire une entreprise sur des algorithmes de clustering.