在KMeans集群上训练神经网络模型

Question

我正在分类客户的客户。但是，数据是不固定的，集群每天都在变化。

每天运行新群集以更新用户群集非常困难，因为Kmeans在标记群集方面不一致。

如果我们进行聚类，然后使用神经网络或XGBoost训练数据，然后向前简单地预测聚类。这有意义还是做事的好方法？

Answer 1

是的，这确实是有道理的，当时这只是常规的分类任务。在进入神经网络之前，您应该已经为集群分配了足够的数据。

另一方面，为什么不预测而不是更新新点的聚类（尽管取决于您使用的技术，您仍可以在sklearn's docs中看到用于拟合和预测的单独方法）？请记住，神经网络将仅与输入（K-Means聚类）一样好，并且其预测可能与K-Means相似。

此外，NN更加复杂且难以训练，也许这些不应该是您的首选。

您也可以检查模糊聚类的想法，因为数据是可变的，因此可能更适合您的情况。也许自动编码器也可以作为获取潜在变量的一种方法。