Segmentação de clientes e análise dos atributos mais relevantes dos clusters
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Outros Autores: | |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10400.2/12779 |
Resumo: | Tendo por base um conjunto de dados dos clientes de uma empresa de produtos alimentares, tentamos implementar duas estratégias de data mining com o objetivo de compreender quais os atributos que melhor podem segmentar estes consumidores. Aplicamos primeiro um algoritmo de segmentação (k-means) para agrupar estes clientes e, seguidamente, utilizamos um algoritmo de classificação (árvore de decisão) para análise visual dos atributos que definiram os clusters da segmentação. Através da análise visual dos gráficos resultantes da indução de árvores de decisão conseguimos verificar que só o valor do salário dos clientes pode segmentar este conjunto de dados. |
id |
RCAP_467681b6513707e37a19e6a279cf7bd1 |
---|---|
oai_identifier_str |
oai:repositorioaberto.uab.pt:10400.2/12779 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Segmentação de clientes e análise dos atributos mais relevantes dos clustersCustomers segmentation: decision tree induction for visual analysis of cluster attributesSegmentaçãoClassificaçãoProspeção de dadosK-meansÁrvores de decisãoClusteringClassificationData miningDecision treesODS::04:Educação de QualidadeTendo por base um conjunto de dados dos clientes de uma empresa de produtos alimentares, tentamos implementar duas estratégias de data mining com o objetivo de compreender quais os atributos que melhor podem segmentar estes consumidores. Aplicamos primeiro um algoritmo de segmentação (k-means) para agrupar estes clientes e, seguidamente, utilizamos um algoritmo de classificação (árvore de decisão) para análise visual dos atributos que definiram os clusters da segmentação. Através da análise visual dos gráficos resultantes da indução de árvores de decisão conseguimos verificar que só o valor do salário dos clientes pode segmentar este conjunto de dados.From a dataset of customers of a food company, we tried to implement two data mining strategies to understand which attributes can best segment these consumers. First, we applied a segmentation algorithm (k-means) to segment these customers and then we applied a classification algorithm (decision tree) for visual analysis of the attributes that defined the segmentation clusters. Through the visual analysis of the graphs resulting from the decision tree induction, we were able to verify that only the value of the customers' salary can segment this dataset.Universidade AbertaRepositório AbertoLopes, NunoCavique, Luís2022-12-20T16:18:08Z2022-122022-12-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articleapplication/pdfhttp://hdl.handle.net/10400.2/12779porLopes, Nuno; Cavique, Luís - Segmentação de clientes e análise dos atributos mais relevantes dos clusters. "Revista de Ciências da Computação" [Em linha]. ISSN 1646-6330 (Print) 2182-1801 (Online). Vol. 17 (2022), p. 29-481646-6330https://doi.org/10.34627/rcc.v17i0.2802182-1801info:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2024-02-25T01:47:50Zoai:repositorioaberto.uab.pt:10400.2/12779Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T22:51:59.955816Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Segmentação de clientes e análise dos atributos mais relevantes dos clusters Customers segmentation: decision tree induction for visual analysis of cluster attributes |
title |
Segmentação de clientes e análise dos atributos mais relevantes dos clusters |
spellingShingle |
Segmentação de clientes e análise dos atributos mais relevantes dos clusters Lopes, Nuno Segmentação Classificação Prospeção de dados K-means Árvores de decisão Clustering Classification Data mining Decision trees ODS::04:Educação de Qualidade |
title_short |
Segmentação de clientes e análise dos atributos mais relevantes dos clusters |
title_full |
Segmentação de clientes e análise dos atributos mais relevantes dos clusters |
title_fullStr |
Segmentação de clientes e análise dos atributos mais relevantes dos clusters |
title_full_unstemmed |
Segmentação de clientes e análise dos atributos mais relevantes dos clusters |
title_sort |
Segmentação de clientes e análise dos atributos mais relevantes dos clusters |
author |
Lopes, Nuno |
author_facet |
Lopes, Nuno Cavique, Luís |
author_role |
author |
author2 |
Cavique, Luís |
author2_role |
author |
dc.contributor.none.fl_str_mv |
Repositório Aberto |
dc.contributor.author.fl_str_mv |
Lopes, Nuno Cavique, Luís |
dc.subject.por.fl_str_mv |
Segmentação Classificação Prospeção de dados K-means Árvores de decisão Clustering Classification Data mining Decision trees ODS::04:Educação de Qualidade |
topic |
Segmentação Classificação Prospeção de dados K-means Árvores de decisão Clustering Classification Data mining Decision trees ODS::04:Educação de Qualidade |
description |
Tendo por base um conjunto de dados dos clientes de uma empresa de produtos alimentares, tentamos implementar duas estratégias de data mining com o objetivo de compreender quais os atributos que melhor podem segmentar estes consumidores. Aplicamos primeiro um algoritmo de segmentação (k-means) para agrupar estes clientes e, seguidamente, utilizamos um algoritmo de classificação (árvore de decisão) para análise visual dos atributos que definiram os clusters da segmentação. Através da análise visual dos gráficos resultantes da indução de árvores de decisão conseguimos verificar que só o valor do salário dos clientes pode segmentar este conjunto de dados. |
publishDate |
2022 |
dc.date.none.fl_str_mv |
2022-12-20T16:18:08Z 2022-12 2022-12-01T00:00:00Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10400.2/12779 |
url |
http://hdl.handle.net/10400.2/12779 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
Lopes, Nuno; Cavique, Luís - Segmentação de clientes e análise dos atributos mais relevantes dos clusters. "Revista de Ciências da Computação" [Em linha]. ISSN 1646-6330 (Print) 2182-1801 (Online). Vol. 17 (2022), p. 29-48 1646-6330 https://doi.org/10.34627/rcc.v17i0.280 2182-1801 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Aberta |
publisher.none.fl_str_mv |
Universidade Aberta |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799135111840530432 |