Een bedrijf wil klanten segmenteren op basis van demografische gegevens en aankoopgedrag. Welk algoritme is het meest geschikt voor het ontdekken van dergelijke groepen?

K-means is een clusteringalgoritme dat wordt gebruikt om groepen (clusters) van vergelijkbare gegevenspunten te vinden in een dataset. Het is ideaal voor het segmenteren van klanten op basis van demografische gegevens en aankoopgedrag, omdat het klanten met vergelijkbare kenmerken in dezelfde cluster plaatst zonder vooraf gedefinieerde labels. K-nearest neighbors (k-NN) is een classificatie- of regressiealgoritme dat wordt gebruikt voor het voorspellen van de klasse of waarde van een nieuw datapunt op basis van zijn dichtstbijzijnde buren, niet voor het ontdekken van onbekende groepen. Decision trees worden gebruikt voor classificatie en regressie door beslissingsregels te leren uit gelabelde gegevens. Support vector machines (SVM's) zijn classificatiealgoritmen die een optimale scheidingshypervlak vinden tussen klassen in gelabelde gegevens. Deze drie algoritmen zijn supervised learning-methoden en vereisen gelabelde gegevens, terwijl klantsegmentatie vaak een unsupervised learning-probleem is.