Определение
Описание
Кластеризация (Clustering / кластерный анализ) — это задача и класс алгоритмов машинного обучения без учителя (Unsupervised Learning), целью которых является автоматическое разделение множества исследуемых объектов на обособленные однородные группы (кластеры) на основе математической близости их характеристик в многомерном пространстве признаков.
В отличие от классификации, где классы заранее известны и размечены человеком, при кластеризации алгоритм самостоятельно ищет внутреннюю структуру данных. Популярные алгоритмы: k-means (разбиение на заданное число K кластеров вокруг центроидов), DBSCAN (плотностная кластеризация, способная находить кластеры сложной геометрической формы и отсекать шум/выбросы) и агломеративная иерархическая кластеризация.
Бизнес-применение кластеризации охватывает клиентскую сегментацию в маркетинге (выделение скрытых типов покупателей по поведению в приложении), группировку схожих поисковых запросов в SEO, кластеризацию новостей и детекцию аномального поведения пользователей для предотвращения мошенничества.
Примеры из практики
Кейс 1 (Поведенческая кластеризация базы онлайн-кинотеатра): Алгоритм k-means сгруппировал 2 млн зрителей на 5 кластеров: «Любители сериалов по выходным», «Ночные киноманы артхауса», «Семейный просмотр мультфильмов», «Охотники за новинками» и «Случайные зрители». Персонализация пуш-уведомлений под каждый кластер подняла вовлеченность MAU на 26%.
Кейс 2 (Кластеризация семантического ядра в SEO): Алгоритм DBSCAN автоматически сгруппировал 40 000 неразмеченных поисковых запросов по схожести поисковой выдачи Яндекса на 350 семантических кластеров, сэкономив SEO-специалистам 3 недели ручной рутинной работы.
Применение на практике
Сегментация клиентов, анализ текстов, обнаружение аномалий.