वास्तविक जीवन में क्लस्टर विश्लेषण के 5 उदाहरण

क्लस्टर विश्लेषण मशीन लर्निंग में उपयोग की जाने वाली एक तकनीक है जो डेटा सेट के भीतर अवलोकनों के समूहों को खोजने का प्रयास करती है।

क्लस्टर विश्लेषण का लक्ष्य ऐसे क्लस्टर ढूंढना है कि प्रत्येक क्लस्टर के भीतर अवलोकन एक-दूसरे के समान हों, जबकि विभिन्न समूहों में अवलोकन एक-दूसरे से काफी भिन्न हों।

निम्नलिखित उदाहरण दिखाते हैं कि विभिन्न वास्तविक दुनिया स्थितियों में क्लस्टर विश्लेषण का उपयोग कैसे किया जाता है।

उदाहरण 1: खुदरा विपणन

खुदरा कंपनियाँ अक्सर समान परिवारों के समूहों की पहचान करने के लिए क्लस्टरिंग का उपयोग करती हैं।

उदाहरण के लिए, एक खुदरा व्यवसाय निम्नलिखित घरेलू जानकारी एकत्र कर सकता है:

• घरेलू आय
• परिवार का आकार
• घर के मुखिया का पेशा
• निकटतम शहरी क्षेत्र से दूरी

फिर वे संभावित रूप से निम्नलिखित समूहों की पहचान करने के लिए इन चरों को क्लस्टरिंग एल्गोरिदम में पेश कर सकते हैं:

• समूह 1: छोटे परिवार, बड़े खर्च करने वाले
• समूह 2: बड़ा परिवार, अधिक खर्च करने वाले
• समूह 3: छोटा परिवार, कम खर्च
• समूह 4: बड़ा परिवार, कम खर्च

फिर कंपनी विशिष्ट प्रकार के विज्ञापनों पर प्रतिक्रिया देने की संभावना के आधार पर प्रत्येक घर को वैयक्तिकृत विज्ञापन या बिक्री पत्र भेज सकती है।

उदाहरण 2: स्ट्रीमिंग सेवाएँ

समान व्यवहार वाले दर्शकों की पहचान करने के लिए स्ट्रीमिंग सेवाएं अक्सर क्लस्टरिंग विश्लेषण का उपयोग करती हैं।

उदाहरण के लिए, एक स्ट्रीमिंग सेवा व्यक्तियों के बारे में निम्नलिखित डेटा एकत्र कर सकती है:

• प्रति दिन देखे गए मिनट
• प्रति सप्ताह देखने के सत्रों की कुल संख्या
• प्रति माह देखे गए अनूठे शो की संख्या

इन मेट्रिक्स का उपयोग करके, एक स्ट्रीमिंग सेवा उच्च और निम्न उपयोग वाले उपयोगकर्ताओं की पहचान करने के लिए क्लस्टर विश्लेषण कर सकती है ताकि वे जान सकें कि उन्हें अपने विज्ञापन बजट का अधिकांश हिस्सा किस पर खर्च करना चाहिए।

उदाहरण 3: खेल विज्ञान

खेल टीम डेटा वैज्ञानिक अक्सर समान खिलाड़ियों की पहचान करने के लिए क्लस्टरिंग का उपयोग करते हैं।

उदाहरण के लिए, पेशेवर बास्केटबॉल टीमें निम्नलिखित खिलाड़ी जानकारी एकत्र कर सकती हैं:

• प्रति गेम अंक
• प्रति गेम रिबाउंड
• प्रति मैच सहायता करता है
• प्रति गेम चोरी

फिर वे समान खिलाड़ियों की पहचान करने के लिए इन चरों को एक ग्रुपिंग एल्गोरिदम में फीड कर सकते हैं ताकि वे उन्हें एक-दूसरे के साथ प्रशिक्षित कर सकें और उनकी ताकत और कमजोरियों के आधार पर विशिष्ट अभ्यास कर सकें।

उदाहरण 4: ईमेल मार्केटिंग

कई व्यवसाय समान उपभोक्ताओं की पहचान करने के लिए क्लस्टर विश्लेषण का उपयोग करते हैं ताकि वे उपभोक्ताओं को भेजे गए ईमेल को इस तरह से तैयार कर सकें जिससे राजस्व अधिकतम हो।

उदाहरण के लिए, कोई व्यवसाय उपभोक्ताओं के बारे में निम्नलिखित जानकारी एकत्र कर सकता है:

• खोले गए ईमेल का प्रतिशत
• प्रति ईमेल क्लिक की संख्या
• ईमेल जाँचने में समय व्यतीत हुआ

इन मेट्रिक्स का उपयोग करके, एक व्यवसाय उन उपभोक्ताओं की पहचान करने के लिए क्लस्टर विश्लेषण कर सकता है जो समान तरीकों से ईमेल का उपयोग करते हैं और विभिन्न ग्राहक समूहों को भेजे जाने वाले ईमेल के प्रकार और ईमेल की आवृत्ति को अनुकूलित करते हैं।

उदाहरण 5: स्वास्थ्य बीमा

स्वास्थ्य बीमा कंपनी के बीमांककों ने अक्सर उन उपभोक्ताओं के “समूहों” की पहचान करने के लिए क्लस्टर विश्लेषण का उपयोग किया है जो विशिष्ट तरीकों से अपने स्वास्थ्य बीमा का उपयोग करते हैं।

उदाहरण के लिए, एक बीमांकिक घरों के बारे में निम्नलिखित जानकारी एकत्र कर सकता है:

• प्रति वर्ष डॉक्टर के दौरे की कुल संख्या
• कुल घरेलू आकार
• प्रति घर पुरानी बीमारियों की कुल संख्या
• घर के सदस्यों की औसत आयु

फिर एक्चुअरी समान घरों की पहचान करने के लिए इन चरों को क्लस्टरिंग एल्गोरिदम में फीड कर सकता है। स्वास्थ्य बीमा कंपनी इस आधार पर मासिक प्रीमियम निर्धारित कर सकती है कि वह विशिष्ट समूहों के परिवारों से कितनी बार अपने बीमा का उपयोग करने की अपेक्षा करती है।

अतिरिक्त संसाधन

निम्नलिखित ट्यूटोरियल बताते हैं कि सांख्यिकीय प्रोग्रामिंग भाषाओं का उपयोग करके विभिन्न प्रकार के क्लस्टर विश्लेषण कैसे करें:

पायथन में के-मीन्स क्लस्टरिंग कैसे करें
आर में के-मीन्स क्लस्टरिंग कैसे करें
आर में के-मेडोइड्स क्लस्टरिंग कैसे करें
आर में पदानुक्रमित क्लस्टरिंग कैसे करें