Firma chce segmentować klientów na podstawie danych demograficznych i wzorców zakupowych. Który algorytm jest najbardziej odpowiedni do odkrywania takich grup?

Algorytm K-średnich (K-means) jest algorytmem grupowania (klasteryzacji) nienadzorowanej, który doskonale nadaje się do odkrywania naturalnych grup (segmentów) w danych, takich jak dane demograficzne i wzorce zakupowe klientów, bez wcześniejszego etykietowania. Działa poprzez iteracyjne przypisywanie punktów danych do najbliższego centroidu i aktualizowanie pozycji centroidów, minimalizując sumę kwadratów odległości wewnątrz klastrów. K-najbliższych sąsiadów (k-NN) to algorytm klasyfikacji lub regresji nadzorowanej, wymagający etykietowanych danych. Drzewo decyzyjne to również algorytm nadzorowany, używany do klasyfikacji lub regresji. Maszyna wektorów nośnych (SVM) to algorytm nadzorowany, stosowany głównie do klasyfikacji binarnej i regresji. Żaden z nich nie jest przeznaczony do odkrywania nieznanych wcześniej grup w danych nienadzorowanych.