现实生活中聚类分析的 5 个示例

经过本杰明·安德森博 7月 23, 2023 指导 0 条评论

聚类分析是机器学习中使用的一种技术，尝试在数据集中查找观察组。

聚类分析的目标是找到聚类，使得每个聚类内的观察结果彼此非常相似，而不同聚类中的观察结果彼此非常不同。

以下示例展示了如何在各种实际情况中使用聚类分析。

零售公司经常使用聚类来识别相似家庭的群体。

例如，零售企业可能会收集以下家庭信息：

然后，他们可以将这些变量引入聚类算法中，以潜在地识别以下聚类：

然后，该公司可以根据每个家庭对特定类型广告做出反应的可能性，向他们发送个性化广告或销售信函。

流媒体服务通常使用聚类分析来识别具有相似行为的观看者。

例如，流媒体服务可能会收集有关个人的以下数据：

使用这些指标，流媒体服务可以执行聚类分析来识别使用率高和低的用户，以便他们知道应该将大部分广告预算花在谁身上。

运动队数据科学家经常使用聚类来识别相似的球员。

例如，职业篮球队可能会收集以下球员信息：

然后，他们可以将这些变量输入分组算法来识别相似的球员，这样他们就可以让他们互相训练，并根据他们的优势和劣势进行特定的训练。

许多企业使用聚类分析来识别相似的消费者，以便他们可以以最大化收入的方式定制发送给消费者的电子邮件。

例如，企业可能会收集有关消费者的以下信息：

使用这些指标，企业可以执行聚类分析，以识别以类似方式使用电子邮件的消费者，并定制他们向不同客户群体发送电子邮件的类型和频率。

健康保险公司精算师经常使用聚类分析来识别以特定方式使用健康保险的消费者“集群”。

例如，精算师可能会收集有关家庭的以下信息：

然后，精算师可以将这些变量输入聚类算法以识别类似的家庭。然后，健康保险公司可以根据特定群体的家庭使用其保险的频率来设定每月保费。

以下教程解释了如何使用统计编程语言执行不同类型的聚类分析：

大家好，我是本杰明，一位退休的统计学教授，后来成为 Statorials 的热心教师。凭借在统计领域的丰富经验和专业知识，我渴望分享我的知识，通过 Statorials 增强学生的能力。了解更多