Đang tải... (xem toàn văn)
Thuật toán phân cụm kmeans là một phương pháp được sử dụng trong phân tích tính chất cụm của dữ liệu. Nó đặc biệt được sử dụng nhiều trong khai phá dữ liệu và thống kê. Nó phân vùng dữ liệu thành k cụm khác nhau. Giải thuật này giúp chúng ta xác định được dữ liệu của chúng ta nó thực sử thuộc về nhóm nào. Để các bạn dễ hình dung ứng dụng của thuật toán. Chúng ta hãy quan sát một ví dụ thực tế như sau: Trong các mô hình kinh doanh, doanh nghiệp sẽ chia nhỏ tệp khách hàng ra thành những nhóm đối tượng khác nhau để có thể áp dụng những chiến lược kinh doanh cụ thể cho từng nhóm đối tượng. Điều này giúp cho khách hàng được tiếp cận với các sản phẩm thật sự phù hợp với bản thân họ. Sự phù hợp đó sẽ kéo doanh số của chúng ta tăng lên. Vấn đề đặt ra là làm sao có thể chia nhỏ tệp khách hàng đó ra khi mà số lượng hóa đơn là rất lớn và chúng ta không thể ngồi để phân tích từng vị khách.
Đề tài: ÁP DỤNG PHƯƠNG PHÁP HỌC MÁY TRONG BÀI TOÁN DỰ ĐOÁN VIỆC MUA SẮM CỦA KHÁCH HÀNG SỬ DỤNG CƠNG CỤ ORANGE DATA MINING Đó lại quan trọng Giải thích K-Mean Kiến thức bạn cần biết Thuật tốn K-Mean gì? Mơ tả thuật tốn K-Mean Các bước thực Ứng dụng K- Mean Ưu điểm & Nhược điểm K-Mean gì? K-Mean gì? K/N: K-means thuật tốn phân cụm khơng giám sát, có nghĩa thuật tốn khơng cần biết nhãn điểm liệu Mục tiêu K-means phân điểm liệu thành K cụm cho tổng bình phương khoảng cách điểm liệu cụm nhỏ Mơ tả thuật tốn K-Mean Các bước thực Chọn ngẫu nhiên K tâm (centroid) cho K cụm (cluster) Mỗi cụm đại diện tâm cụm Tính khoảng cách đối tượng (objects) đến K tâm (thường dùng khoảng cách Euclidean) Nhóm đối tượng vào nhóm gần Xác định lại tâm cho nhóm Thực lại bước khơng có thay đổi nhóm đối tượng Ứng dụng KMean • Phân cụm khách hàng: Phân khách hàng thành nhóm dựa đặc điểm chung họ, chẳng hạn độ tuổi, giới tính, thu nhập, sở thích, v.v • Phân cụm sản phẩm: Phân sản phẩm thành nhóm dựa đặc điểm chung chúng, chẳng hạn tính năng, giá cả, v.v 1.Phân cụm hình ảnh: Phân hình ảnh thành nhóm dựa nội dung chúng, chẳng hạn cảnh, chủ đề, v.v 1.Phân cụm văn bản: Phân văn thành nhóm dựa nội dung chúng, chẳng hạn chủ đề, thể loại, v.v Ưu điểm mang lại thuật toán K-Mean ĐƠN GIẢN VÀ DỄ HIỂU DỄ DÀNG TRIỂN KHAI HIỆU QUẢ TRÊN NHIỀU LOẠI DỮ LIỆU Hạn chế thuật toán K-Mean - Kết phụ thuộc vào số lượng cụm K - Khó chọn K phù hơp với liệu - Dễ bị ảnh hưởng điểm liệu ngoại lai Phương pháp Để áp dụng phương pháp học máy toán dự đoán mua sắm khách hang sử dụng thuật toán KMean, cần thực bước sau: Thu thập liệu - Dữ liệu cần thu thập bao gồm thông tin khách hàng, sản phẩm môi trường mua sắm Dữ liệu thu thập từ nhiều nguồn khác nhau, bao gồm sở liệu khách hàng, hệ thống POS nguồn liệu bên Xử lý liệu - Dữ liệu cần xử lý để loại bỏ lỗi bất thường Ngoài ra, liệu cần chuyển đổi thành định dạng phù hợp để sử dụng thuật toán học máy 3 Chọn thuật toán K-mean - Cần chọn số lượng cụm K phù hợp với liệu Số lượng cụm K xác định cách sử dụng kỹ thuật phân tích phương sai phân tích k-trung bình Đào tạo mơ hình - Mơ hình K-means đào tạo liệu xử lý Quá trình đào tạo giúp mơ hình học mẫu mối quan hệ liệu Đánh giá mơ hình - Mơ hình đánh giá liệu kiểm tra để xác định độ xác mơ hình Áp dụng mơ hình - Mơ hình áp dụng để dự đoán hành vi mua hàng khách hàng