Uma loja de varejo on-line coleta dados de navegação, histórico de compras e preferências de produtos de seus usuários para melhor entender o comportamento do cliente e personalizar a experiência de compra. Qual técnica de agrupamento de dados é ideal para identificar padrões de compra e agrupar clientes com preferências similares? A) Análise discriminante linear (LDA) para maximizar a distância entre os centros dos grupos e minimizar a variação dentro de cada grupo. B) Algoritmo de agrupamento hierárquico para construir um dendrograma que mostra as relações de proximidade entre os clientes. C) Regressão logística para prever a probabilidade de um cliente pertencer a um determinado grupo com base em suas características. D) Algoritmo K-means para particionar os clientes em k grupos distintos com base na similaridade de suas preferências e comportamentos de compra.

B) Algoritmo de agrupamento hierárquico para construir um dendrograma que mostra as relações de proximidade entre os clientes.

Questões Banco de Dados

Uma loja de varejo on-line coleta dados de navegação, histórico de compras e preferênci...

Responda: Uma loja de varejo on-line coleta dados de navegação, histórico de compras e preferências de produtos de seus usuários para melhor entender o comportamento do cliente e personalizar a experiência d...

1Q904631 | Banco de Dados, Especialização em Banco de Dados, Prefeitura de Rio Branco AC, IV UFG, 2024

Uma loja de varejo on-line coleta dados de navegação, histórico de compras e preferências de produtos de seus usuários para melhor entender o comportamento do cliente e personalizar a experiência de compra. Qual técnica de agrupamento de dados é ideal para identificar padrões de compra e agrupar clientes com preferências similares?

✂️ a) Análise discriminante linear (LDA) para maximizar a distância entre os centros dos grupos e minimizar a variação dentro de cada grupo.
✂️ b) Algoritmo de agrupamento hierárquico para construir um dendrograma que mostra as relações de proximidade entre os clientes.
✂️ c) Regressão logística para prever a probabilidade de um cliente pertencer a um determinado grupo com base em suas características.
✂️ d) Algoritmo K-means para particionar os clientes em k grupos distintos com base na similaridade de suas preferências e comportamentos de compra.