가장 가까운 이웃 알고리즘으로 실제 문제 해결하기

계층 적 클러스터링 알고리즘 및 가장 가까운 이웃 메소드는 소매 비즈니스 데이터의 패턴을 이해하고 값을 창출하는 데 광범위하게 사용됩니다. 다음 단락에서는 일상적인 소매 운영에서 관리 및 보안을 단순화하기 위해이 간단한 알고리즘을 사용하는 두 가지 강력한 사례가 있습니다.

k-nearest neighbor 알고리즘의 실행보기

패턴 인식을위한 K- 가장 가까운 이웃 기법은 현대 소매업에서 도난 방지를 위해 자주 사용됩니다. 물론 방문하는 거의 모든 상점에서 CCTV 카메라를 보는 것에 익숙하지만 대부분의 사람들은 이러한 장치에서 수집 한 데이터가 어떻게 사용되고 있는지 전혀 모릅니다.

의심스러운 활동을 위해 카메라를 모니터링하는 사람이 뒷방에 있다고 상상할 수 있습니다. 그러나 현대의 감시 시스템은 인간의 도움없이 비디오 데이터를 독자적으로 분석하고 해석 할 수있는 지능형 시스템입니다. 현대 시스템은 이제 시각적 패턴 인식을 위해 k- 가장 가까운 이웃을 사용하여 체크 아웃시 쇼핑 카트의 맨 아래 빈에있는 숨겨진 패키지를 검색하고 탐지 할 수 있습니다. 데이터베이스에 나열된 개체와 정확히 일치하는 개체가 탐지되면 발견 된 제품의 가격이 자동으로 고객의 청구서에 추가 될 수도 있습니다. 이 자동화 된 요금 청구 방법은 현재 널리 사용되지는 않지만이 기술은 개발되어 사용 가능합니다.

K- 가장 가까운 이웃은 소매점에서도 신용 카드 사용 패턴을 감지하는 데 사용됩니다. 많은 새로운 트랜잭션 분석 소프트웨어 응용 프로그램은 kNN 알고리즘을 사용하여 등록 데이터를 분석하고 의심스러운 활동을 나타내는 비정상적인 패턴을 찾아냅니다.

예를 들어 등록 데이터에 자동화 된 스캔 및 스 와이 핑 대신 많은 수의 고객 정보가 수동으로 입력되었다고 표시되면 이는 해당 레지스터를 사용하는 직원이 실제로 고객의 개인 정보를 도용하고 있음을 나타낼 수 있습니다. 또는 등록 데이터에 특정 재화가 여러 번 반환되거나 교환되었다고 표시되면 직원이 반품 정책을 잘못 사용하거나 가짜 반품을 통해 돈을 벌려고하는 것일 수 있습니다.

가장 가까운 가장 가까운 이웃 알고리즘 분류 및 포인트 패턴 탐지를 식료품 소매점에서 사용하여 고객 구매 행동의 핵심 패턴을 파악한 다음 판매 및 고객 만족도를 높일 수 있습니다 고객 행동을 예측함으로써다음 이야기를 생각해보십시오.

다른 식료품 점과 마찬가지로, (허구의) Waldorf Food Co-op의 구매자 행동은 고정 된 패턴을 따르는 경향이 있습니다. 관리자는 특정 연령대의 회원이 동일한 특정 시간대에 상점을 방문하는 경향이 있다는 이상한 사실에 대해 주석을 달았으며 동일한 유형의 제품을 구매하는 경향이 있습니다.

어느 날 Mike 관리자는 매우 능동적으로 데이터 과학자를 고용하여 고객 데이터를 분석하고 자신이 알아 차 렸던 이상한 추세에 대한 정확한 정보를 제공하기로 결정했습니다. 데이터 과학자 Dan이 거기에 왔을 때, 그는 일하는 중년 성인 남성들 사이의 패턴을 신속하게 밝혀 냈습니다. 주중에만 또는 평일 날의 식료품 점을 방문하는 경향이있었습니다. 목요일에, 그들은 거의 항상 맥주를 샀다.

마이크 매니저가 이러한 사실에 마음을 썼을 때 그는 목요일 저녁에 할인, 번들 및 스페셜을 제공하여 맥주 판매를 극대화하기 위해이 정보를 신속하게 사용했습니다. 점포 주인이 수입 증가에 만족했을뿐만 아니라 Waldorf Food Co-op의 남성 고객은 그들이 원하는 때에 더 많은 것을 원했기 때문에 행복했습니다.