Набор данных В этом проекте набор данных online_shopper_intention , содержащих данные о поведении пользователей на платформе торговой площадки за 12 месяцев, будет использоваться для оценки эффективности и создания маркетинговой стратегии, которая может положительно повлиять на платформу. Эти данные отражают поведение клиентов, а также их путь от перехода на веб-сайт до конверсии и получения дохода. На упомянутых выше веб-страницах генерировалась и собиралась информация о..

Я создал модель, которая оценивает сегментацию клиентов по кредитным картам, чтобы помочь компании определить свою маркетинговую стратегию. Я использовал алгоритм K-средних со значением K, определяемым оценкой силуэта. Я также использовал PCA для уменьшения размеров и лучшей визуализации. Источник данных: Набор данных кредитной карты для кластеризации . Содержание: Деловое понимание Понимание данных Предварительная обработка данных Нормализация данных Уменьшение размеров с..

Кластеризация — это разделение данных со схожими характеристиками в наборе данных на группы. Внутри одного и того же кластера есть много общего, но меньше сходства между кластерами. Существует неконтролируемое обучение, что означает, что предварительная информация не предоставляется. K-средние и иерархическая сегментация являются одними из наиболее часто используемых алгоритмов кластеризации. Эти алгоритмы часто используются в таких областях, как сегментация клиентов, сегментация рынка и..

Многие люди путают K ближайшего соседа (KNN) с алгоритмом кластеризации K означает. Однако KNN — это алгоритм машинного обучения с учителем , используемый для классификации, а K означает алгоритм машинного обучения без учителя , используемый с целью кластеризации точек данных. Звучит слишком сложно? Давайте разберем оба алгоритма на простые термины и отметим различия. Оглавление · Что такое ближайший сосед K (KNN)? ∘ Визуализация алгоритма KNN ∘ Работа алгоритма KNN · Что..

Что такое кластеризация K-средних? k -кластеризация означает метод векторного квантования , родом из обработки сигналов , целью которого является разделить n наблюдений на k кластеров, в которых каждое наблюдение принадлежит кластеру с ближайшим средним (кластерным центрам или кластерному центроиду ), служащему прототипом кластера. В результате происходит разбиение пространства данных на ячейки Вороного . Кластеризация k -средних минимизирует внутрикластерные..