假设我们有个电子商务我们销售个不同类别的产品时尚电子产品书籍家居等。我们有来自用户用户的数据这些数据表明他们在每个类别中进行的加权购买次数。在这里我们可以看到该数据的摘录如我们所见数据是稀疏的也就是说有很多零。这是因为用户通常会在几个类别中进行购买而不是全部。

您可以直接了解 或 等人

对该数据应用聚类的目的是根据购买情况获得用户组。理想情况下我们将获得购买多个类别产品并因此在我们网站上有类似行为的用户组。如果我们使用均值对用户进行聚类则会发生以下情况在上图中我们方面 波兰电话号码数据 看到每个聚类的大小在下面我们看到质心是什么样的。颜色越深该类别在该集群中的重要性就越大。什么确定了意味着有个非常大的群体集群与其他群体相比几乎不购买。其他的虽然由很少的用户组成但确实有很多购买并且已根据不同的类别进行分组。

们国家最新兴的播客创作者的

这对于业务可能不是很有用因为目标是找到有关类别的行为模式以便可以以某种方式激活组并且使用我们在将用户放入购买的用户组时丢弃很少而不是根据他们购买的类别对他们进行分组。非负矩阵分解非负矩 多特蒙德名录 阵分解是种具有聚类固有属性的技术广泛用于聚类尤其是当输入数据稀疏时。该技术的思想是通过将两个非负矩阵和相乘来尝试逼近矩阵其中是我们的转置数据集其维度为其中是类别数是用户数。