Sono nuovo di datascience e ne ho un altrodomanda teorica sull'algoritmo di clustering k-means (o any). In questo momento sto cercando di realizzare una segmentazione del cliente basata su dati comportamentali. Abbiamo progettato diversi attributi come: - la percentuale che un cliente acquista prodotti di vendita, - numero medio di prodotti per volta - prezzo medio per prodotto - frequenza di acquisto di prodotti presso il negozio - e molti altri.
Quello che stiamo cercando di realizzare sono gruppi diclienti che si comportano come loro, quindi possiamo comunicare con loro in base alle loro preferenze. Il problema è che non sono sicuro se i risultati del clustering ci forniscano i segmenti giusti con cui possiamo lavorare. Probabilmente determinerà altri cluster che sono buoni per un comportamento comparabile, ma non per un uso pratico.
La mia domanda è la seguente; sarebbe meglioutilizzare un algoritmo di classificazione in modo da poter determinare la variabile target o dovrei utilizzare un algoritmo di clustering? E se devo scegliere un algoritmo di clustering, sarebbe meglio ridurre il numero di attributi in modo da avere un po 'più di controllo sul modo in cui i risultati stanno andando?
Spero che voi ragazzi mi aiuterete con questo problema concettuale.
risposte:
0 per risposta № 1Se tu può usa la classificazione, quindi usa sempre la classificazione.
Il clustering è fragile e non un problema ben definito. Non si vuole costruire un'azienda su algoritmi di clustering.