Segmentação de clientes e análise dos atributos mais relevantes dos clusters

Detalhes bibliográficos
Autor(a) principal: Lopes, Nuno
Data de Publicação: 2022
Outros Autores: Cavique, Luís
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

Registros relacionados