한 온라인 소매업체가 여러 데이터 소스를 980개의 변수를 가진 단일 테이블로 결합했습니다. 마케팅 캠페인에 반응할 가능성이 있는 고객 그룹을 찾기 위한 모델을 구축해야 합니다. 어떤 두 가지 기술을 사용해야 할까요?

K-평균 클러스터링은 고객을 유사한 특성을 가진 그룹으로 묶는 비지도 학습 기술입니다. 이는 마케팅 캠페인에 반응할 가능성이 있는 고객 그룹을 식별하는 데 적합합니다. 주성분 분석(PCA)은 980개의 변수와 같이 고차원 데이터 세트의 차원을 줄이는 데 사용되는 차원 축소 기술입니다. 이는 모델의 복잡성을 줄이고 과적합을 방지하며 계산 효율성을 높이는 데 도움이 됩니다. LDA는 텍스트 데이터의 토픽 모델링에 사용되며, 의미론적 분할은 이미지의 픽셀을 분류하는 데 사용됩니다. FM은 추천 시스템에 사용됩니다.