Ein Unternehmen möchte Kunden anhand von demografischen Merkmalen und Kaufverhalten segmentieren. Welcher Algorithmus eignet sich am besten, um solche Gruppen zu finden?

K-means ist ein unüberwachter Clustering-Algorithmus, der sich ideal zum Auffinden intrinsischer Gruppierungen in unbeschrifteten Daten eignet. Da das Unternehmen Kunden anhand von Merkmalen wie demografischen Daten und Kaufverhalten segmentieren möchte, ohne vordefinierte Gruppen zu haben, ist K-means die beste Wahl, um diese natürlichen Cluster zu identifizieren. K-nearest neighbors (k-NN) ist ein Klassifizierungs- oder Regressionsalgorithmus, der beschriftete Daten benötigt. Decision trees werden für Klassifizierungs- und Regressionsaufgaben verwendet, ebenfalls mit beschrifteten Daten. Support Vector Machines (SVMs) sind primär für Klassifizierungsaufgaben konzipiert und erfordern ebenfalls beschriftete Daten.