Словарь ИИ
Что такое кластеризация
Коротко
Кластеризация это метод машинного обучения, который сам делит объекты на группы похожих без заранее заданных ответов: клиентов, товары, тексты обращений.
Машинное обучение · clustering
Михаил МозгПроверено: 1 минута чтения
Ребенку
Высыпь на ковер большую коробку пуговиц и попробуй разобрать их, хотя никто не сказал, какие бывают кучки. Ты сам решишь: здесь маленькие белые, там большие с четырьмя дырочками, а тут блестящие. Компьютер тоже умеет раскладывать вещи по кучкам без подсказок. Названия кучкам потом придумывает человек.
Простыми словами
Здесь у компьютера нет правильных ответов. Алгоритм получает, например, список покупателей с их покупками, частотой заказов и средним чеком и ищет, кто на кого похож. Близкие по поведению люди попадают в одну группу, далекие в разные. В итоге появляются, скажем, «редкие крупные заказы», «постоянные любители скидок» и «ушедшие клиенты». Что означает каждая группа и что с ней делать, решает человек. Так же группируют похожие жалобы, новости или фотографии товаров.
Для бизнеса
Метод нужен, когда данных много, а готового деления нет: сегменты клиентов для рассылок, новые темы в обращениях поддержки, товары со схожим спросом, нетипичные операции. Результат проверяют деньгами: приносит ли отдельное предложение каждому сегменту больше продаж, чем общее. Стоимость невысокая, если данные уже собраны в одной системе; основные затраты уходят на выгрузку, очистку и толкование групп аналитиком. Риск в том, что алгоритм найдет группы и там, где их по сути нет, а красивая картинка уведет команду в ложную сторону. Перед запуском договариваются, какое решение примут по каждой группе, иначе отчет так и останется отчетом. Сегменты затем проверяют на одном канале продаж.
Для специалиста
Кластеризация (clustering) это задача обучения без учителя: разбить объекты на группы так, чтобы внутри группы они были ближе друг к другу, чем к объектам других групп. Метод k-средних (k-means) требует заранее задать число кластеров и минимизирует сумму квадратов расстояний до центроидов; он склонен к локальным минимумам, поэтому его запускают с разными начальными точками. Агломеративная иерархическая кластеризация (agglomerative clustering) строит дерево слияний. Плотностные методы DBSCAN (Ester и др., 1996) и HDBSCAN считают кластером область высокой плотности точек, а одиночные точки помечают как шум. Гауссовы смеси (Gaussian mixture) дают мягкое отнесение с вероятностями. Без эталонной разметки качество оценивают внутренними метриками вроде коэффициента силуэта (silhouette), с разметкой используют скорректированный индекс Рэнда (adjusted Rand index). Тексты перед группировкой превращают в эмбеддинги.
Пример
Онлайн-школа разбила учеников по поведению и нашла группу, которая покупает курс и бросает его на второй неделе. Для них запустили короткие напоминания и разбор домашних заданий, а остальным оставили прежние письма.
Связанные термины
Вопросы и ответы
Как выбрать число кластеров?
Где кластеризацию применяют в бизнесе?
Источники
Где это применяют в компании
Не уверены, нужно ли это вашей компании?
Карта ИИ-решений