Você tem um conjunto de dados de comportamento de compra de clientes com milhares de características e muitas colunas numéricas por cliente. Você quer encontrar rapidamente agrupamentos naturais entre os clientes e visualizar o resultado. O que você deve fazer?

A incorporação das características numéricas com t-SNE (t-Distributed Stochastic Neighbor Embedding) é a melhor abordagem para reduzir a dimensionalidade de milhares de características para um espaço 2D ou 3D, o que permite a visualização de agrupamentos naturais em um gráfico de dispersão. O t-SNE é excelente para preservar a estrutura local dos dados, tornando os clusters visíveis. Executar k-means com distância Euclidiana para vários k e fazer um gráfico de cotovelo é útil para determinar o número ideal de clusters, mas não visualiza os agrupamentos em si. Criar um gráfico de linha após t-SNE não é apropriado para visualizar agrupamentos de pontos de dados. Produzir box plots para cada característica numérica em cada cluster após k-means pode ajudar a entender as características dos clusters, mas não oferece uma visualização direta dos agrupamentos no espaço de alta dimensão.