Welk algoritme is het meest geschikt voor het groeperen van vergelijkbare klanten om klanten te segmenteren op basis van demografie en aankoopgedrag?

K-means is een onbewaakt leeralgoritme dat ideaal is voor clustering. Het groepeert datapunten (in dit geval klanten) in een vooraf bepaald aantal clusters (K) op basis van hun gelijkenis, gemeten aan de hand van de afstand tot het clusterzwaartepunt. Dit maakt het zeer geschikt voor klantsegmentatie op basis van demografie en aankoopgedrag, omdat het vergelijkbare klanten kan identificeren zonder vooraf gedefinieerde labels. K-nearest neighbors (k-NN) is een classificatie- of regressie-algoritme, geen clustering. Decision trees worden gebruikt voor classificatie en regressie, waarbij ze beslissingsregels leren uit gelabelde data. Support vector machines (SVM's) zijn primair classificatie-algoritmen die een scheidingshypervlak vinden tussen klassen.