Ein Online-Händler hat viele Datenquellen in einer einzigen Tabelle mit 980 Variablen zusammengeführt. Sie müssen ein Modell erstellen, um Kundengruppen zu identifizieren, die wahrscheinlich auf eine Marketingkampagne reagieren werden. Welches Paar von Techniken sollten Sie verwenden?
Wählen Sie eine Antwort
Tippen Sie auf eine Option, um Ihre Antwort zu überprüfen.
Richtige Antwort: K-means clustering, Principal component analysis (PCA).
Warum dies die Antwort ist
Um Kundengruppen zu identifizieren, die auf eine Marketingkampagne reagieren, ist K-Means Clustering eine geeignete unüberwachte Lernmethode, da sie ähnliche Kunden in Gruppen (Cluster) zusammenfasst. Bei 980 Variablen ist die Datenmenge sehr hochdimensional. Principal Component Analysis (PCA) ist eine effektive Technik zur Dimensionsreduktion, die die wichtigsten Informationen beibehält und gleichzeitig Rauschen reduziert, was die Effizienz und Interpretierbarkeit des Clusterings verbessert. Latent Dirichlet Allocation (LDA) wird typischerweise für die Themenmodellierung von Textdaten verwendet. Semantic Segmentation ist eine Computer-Vision-Technik zur Pixelklassifizierung in Bildern. Factorization Machines (FM) werden für Empfehlungssysteme und Vorhersagen mit sehr spärlichen Daten eingesetzt.
Bestehen Sie Ihre Prüfung – ohne endlose Antwortsuche
Erhalten Sie jede verifizierte Frage und Erklärung für diese Prüfung an einem Ort und sparen Sie Stunden der Vorbereitung. Über 1.000 Zertifizierungen · Über 20 Sprachen · Kostenloser Start.
Bestehen Sie Ihre Prüfung schneller → Keine Karte erforderlich