Двоетапний пiдхiд при вирiшеннi задач сегментацiї архiвiв даних клiєнтiв в CRM-системах

Abstract

Алгоритми, що базуються на попарному обчисленнi вiдстаней (k-means i аналоги) ефективнi в основному на числових даних невеликої розмiрностi. Їх продуктивнiсть на масивах записiв iз великою кiлькiстю нечисло- вих характеристик незадовiльна. В таких ситуацiях ефективними є алгоритми, якi використовують принцип оптимiзацiї деякого глобального критерiю. Обчислення глобального критерiю та введення двоетапної процедури сегментацiї дозволяє алгоритмам кластеризацiї працювати до 40% швидше, нiж при використаннi локального критерiю при попарному порiвняннi об’єктiв, тому глобалiзацiя функцiї оцiнки – один iз шляхiв отримання масштабованих алгоритмiв.

Methods based on calculating the pairwise distances (k-means and analogues) are effective mainly on numerical data small dimension. Their performance on arrays of records with many numerical factors unsatisfactory. In those situations are effective algorithms that use the principle of a global optimization criterion. Calculating global criterion and putting two-step procedure allows segmentation algorithms for clustering to work up to 40 % faster than using a local criterion in the pairwise comparison of objects. Thereforce, globalization function evaluation is a way of getting scalable algorithms.