Bir e-ticaret şirketi, yaş, gelir ve konuma göre beş müşteri segmenti oluşturmak istiyor ancak mevcut etiketler bilinmiyor. Daha önce eğitilmiş bir XGBoost modeli, bu özellikleri kullanarak bir müşterinin bir e-postaya yanıt verip vermeyeceğini tahmin ediyor. XGBoost modeli neden beş segment oluşturmak için uygun değildir ve gereksinimi hangi değişiklik karşılar?

XGBoost, etiketli verilerle çalışan denetimli bir öğrenme algoritmasıdır ve mevcut müşteri etiketleri bilinmediği için segmentasyon için uygun değildir. Ayrıca, XGBoost ikili bir çıktı (e-postaya yanıt verip vermeyeceği) üretir, bu da doğrudan beş segment oluşturmak için kullanılamaz. K-means gibi denetimsiz bir kümeleme algoritması, etiketli verilere ihtiyaç duymadan benzer özelliklere sahip müşterileri gruplandırarak beş segment oluşturmak için idealdir. K = 5 olarak ayarlandığında, algoritma verileri tam olarak beş kümeye ayırır. PCA, boyut indirgeme için kullanılır ancak segment oluşturmaz. XGBoost'u beş sınıfı tahmin edecek şekilde yeniden eğitmek, etiketli verilere ihtiyaç duyacağından mümkün değildir. kNN de denetimli bir algoritmadır ve etiketli verilere ihtiyaç duyar.