时间戳

首页 > 解决方案 > 在 KMeans 集群上训练神经网络模型

machine-learning - 在 KMeans 集群上训练神经网络模型

问题描述

我正在对客户的客户进行分类。但是，数据是流动的，集群每天都在变化。

每天运行新的集群来更新用户集群是很困难的，因为 Kmeans 对集群的标注不一致。

如果我们进行聚类，然后使用神经网络或 XGBoost 训练数据，然后向前推进，只需预测聚类即可。这有意义还是做事的好方法？

标签： machine-learningneural-networkk-meansxgboostlightgbm

解决方案

是的，这确实有道理，这只是当时的常规分类任务。在继续使用神经网络之前，您应该有足够的数据分配给集群。

另一方面，您为什么不预测新点的集群而不是更新它们（您可以在sklearn 的文档中看到单独的拟合和预测方法，尽管这取决于您使用的技术）？请记住，神经网络的好坏取决于它的输入（K-Means 集群），它的预测可能与 K-Means 相似。

此外，神经网络更复杂，更难训练，也许那些不应该是你的首选。

您也可以检查模糊聚类的想法，因为数据是流动的，它可能更适合您的情况。也许自动编码器，作为一种获取潜在变量的方法，也可能有用。

推荐阅读