Je hebt een dataset met klantgedrag, met duizenden features en veel numerieke kolommen per klant. Je wilt snel natuurlijke groeperingen onder klanten vinden en het resultaat visualiseren. Wat moet je doen?

t-SNE (t-Distributed Stochastic Neighbor Embedding) is een dimensionality reduction-techniek die zeer geschikt is voor het visualiseren van hoogdimensionale datasets door vergelijkbare datapunten dicht bij elkaar te plaatsen en ongelijksoortige punten verder uit elkaar. Door de duizenden numerieke features in te sluiten naar 2 of 3 dimensies, kunnen natuurlijke groeperingen (clusters) van klanten effectief worden gevisualiseerd met een scatterplot. De andere opties zijn minder geschikt: k-means is een clusteringalgoritme, geen visualisatietechniek. Hoewel het clusters kan vinden, visualiseert het deze niet direct op een manier die natuurlijke groeperingen in een hoogdimensionale ruimte duidelijk maakt. Een elbow plot helpt bij het bepalen van het optimale aantal clusters, maar visualiseert de clusters zelf niet. Een lijngrafiek is ongeschikt voor het visualiseren van individuele datapunten in een 2D- of 3D-ruimte; een scatterplot is hiervoor de juiste keuze. Boxplots per feature per cluster visualiseren de verdeling van individuele features binnen clusters, maar niet de algehele groepering van klanten in de gereduceerde dimensies.