Добрый день, подскажите как бороться со следующей проблемой. Есть база клиентов, и поведенческие аггрегированные признаки. Имеется куча признаков, ну пусть 5000. Я убрал признаки с пропусками, коррелируемые признаки, выбросы. Все, осталось ну пусть 800. Получилось 6 кластеров, которые непонятно как интерпретировать. Есть 1-2 ну хоть как то отличающихся кластера, остальные похожи. Нам важна именно интерпретация. Тут рецепт только фильтровать признаки? Или разделить их на группы и с каждой группы взять по 1 наиболее значимому с экспертной точки зрения ? Или идти по пути сокращения размерностей ?
![Машинное обучение в БИЗНЕСЕ! Применяем кластеризацию для магазина [Машинное обучение в Python]](http://i.ytimg.com/vi/6Oo538h4_K4/mqdefault.jpg)
Спасибо Вам огромное! Ваш канал, настоящее открытие для меня!
Спасибо за ваш крутейший курс для CS центра!
Спасибо за теплые слова.
Это тот же курс, подправленный и расширенный.
Он увеличенн раза в полтора,
в частности, темой прогнозирование.
Вы лучший
Добрый день, подскажите как бороться со следующей проблемой. Есть база клиентов, и поведенческие аггрегированные признаки. Имеется куча признаков, ну пусть 5000. Я убрал признаки с пропусками, коррелируемые признаки, выбросы. Все, осталось ну пусть 800. Получилось 6 кластеров, которые непонятно как интерпретировать. Есть 1-2 ну хоть как то отличающихся кластера, остальные похожи. Нам важна именно интерпретация. Тут рецепт только фильтровать признаки? Или разделить их на группы и с каждой группы взять по 1 наиболее значимому с экспертной точки зрения ? Или идти по пути сокращения размерностей ?