我有一个数据集如下
（并且该表扩展到包括公司 4-149 的额外 146 列）
与我的公司相比，是否有一种算法可以有效地用于从其他公司找到类似的销售模式？
我曾想过使用 k-means 聚类，但由于我在这里与 150 家公司打交道，它可能会变得有点混乱，而且我认为线性回归在这里不起作用。
是否有机器学习算法可以找到相似的销售模式？
人工智能
机器学习
无监督学习
线性回归
模式识别
k-均值
2021-10-31 06:36:29
2个回答
如果我理解正确，您希望找到与您的模式相似的公司。
我将从衡量cosine similarity贵公司与其他公司之间的情况开始。
使用 Python 真的很容易，例如：
In [21]: from sklearn.metrics.pairwise import cosine_similarity
In [22]: cosine_similarity([[1,4,2,6], [1,9,5,4]])
Out[22]:
array([[1. , 0.84794633],
[0.84794633, 1. ]])
请注意，如果销售规模对您很重要，这不是正确的方法，因为余弦相似度是幅度不变的：
In [23]: from sklearn.metrics.pairwise import cosine_similarity
In [24]: cosine_similarity([[1,4,2,6], [10,90,50,40]])
Out[24]:
array([[1. , 0.84794633],
[0.84794633, 1. ]])
在将您的数字标准化为比例之后，我会推荐一种层次聚类算法。然后聚类应该能够识别相似的模式。根据您进行切割的级别，您可以决定需要多少个集群。
Kaufman, L., & Roussew, PJ (1990) 是关于这个主题的一个很好的资源。“在数据中查找组 - 聚类分析简介”。约翰威利父子
其它你可能感兴趣的问题