En Yakın Komşu Algoritmalarıyla Gerçek-Dünya Sorunlarını Çözmek - Hayvanların

Hiyerarşik kümeleme algoritmaları - özellikle de en yakın komşuluk yöntemleri - perakende iş verilerindeki kalıplardan anlamak ve değer yaratmak için kapsamlı şekilde kullanılır. Aşağıdaki paragraflarda, bu basit algoritmaların, günlük perakende operasyonlarında yönetim ve güvenliği basitleştirmek için kullanıldığı iki güçlü örnek bulunmaktadır.

Eylemde k-en yakın komşu algoritmalarını görmek

K model yakalama için en yakın komşuluk teknikleri modern perakende ticaretinde hırsızlığın önlenmesi için sıklıkla kullanılır. Elbette CCTV kameralarını ziyaret ettiğiniz mağazaların hemen her yerine görmeye alıştınız, ancak çoğu insan bu cihazlardan toplanan verilerin nasıl kullanıldığını bilmiyor.

Arka odada bu kameraları şüpheli bir faaliyet için izleyen biri olduğunu ve belki de geçmişte işlerin nasıl yapıldığını hayal edebilirsiniz. Fakat günümüzde, modern bir gözetim sistemi, insanların yardımına ihtiyaç duymadan video verilerini tek başına analiz etmek ve yorumlamak için yeterince akıllıdır.

Modern sistemler artık kontrol sırasında bir alışveriş sepetinin altındaki bölmesindeki gizli paketleri taramak ve algılamak için görsel desen tanıma için k-en yakın komşusunu kullanabilmektedir. Veritabanında listelenen bir nesne için tam bir eşleşme olan bir nesne algılanırsa, tespit edilen ürünün fiyatı otomatik olarak müşterinin faturasına eklenebilir. Bu otomatik faturalandırma uygulaması şu anda kapsamlı kullanılmasa da, teknoloji geliştirildi ve kullanıma sunuldu.

K-en yakın komşusu, perakende de kredi kartı kullanımındaki kalıpları saptamak için kullanılır. Birçok yeni işlem inceleme yazılımı, kayıt verilerini analiz etmek ve şüpheli etkinliği gösteren olağandışı kalıpları bulmak için kNN algoritmaları kullanmaktadır.

Örneğin, kayıt verileri çok sayıda müşteri bilgisinin otomatik tarama ve hızlıca kaydırma yerine elle girildiğini gösteriyorsa, bu kayıt defterini kullanan çalışanın aslında müşterinin kişisel bilgilerini çaldığını gösterebilir. Veya kayıt verileri, belirli bir ürünün birden fazla kez iade edildiğini ya da değiştirildiğini gösteriyorsa, bu, çalışanların iade politikasını kötüye kullandıklarını ya da sahte iade yapmaktan para kazanmaya çalıştıklarını gösterebilir.

Hareket halinde ortalama en yakın komşu algoritmalarını görmek

Ortalama en yakın komşuluk algoritması sınıflandırması ve nokta deseni tespiti, bakkaliye perakende ticaretinde, müşteri satın alma davranışındaki anahtar kalıpları belirlemek ve daha sonra satışları ve müşteri memnuniyetini artırmak için kullanılabilir müşteri davranışını önceden tahmin ederek.Aşağıdaki hikayeyi göz önünde bulundurun:

Diğer bakkallarda olduğu gibi, (kurgusal) Waldorf Food Co-op'da alıcı davranışları çok sabit kalıpları takip etme eğilimindedir. Yöneticiler, belirli bir yaş grubundaki üyelerin aynı belirli bir zaman aralığında mağazayı ziyaret etme eğiliminde oldukları gerçeğine değinmiş ve hatta aynı ürün türlerini almaya eğilimliymiş bile.

Bir gün Yöneticisi Mike son derece proaktifti ve müşteri verilerini analiz etmek ve fark ettiği bu tek eğilimler hakkında kesin bilgi vermek için bir veri bilimcisi seçmeye karar verdi. Data Scientist Dan oraya girdiğinde, orta yaşlı yetişkinler arasında hızlı bir şekilde bir model ortaya çıkardı; bakkalları sadece hafta sonları veya hafta sonunda ziyaret ettikleri eğilimindeydi; Perşembe günü neredeyse daima bira aldıklarını söylediler.

Yönetici Mike bu gerçeklerle silahlandığında, hızlı bir şekilde bu bilgileri, indirimler, paketler ve özel ürünler sunarak perşembe akşamları bira satışlarını en üst düzeye çıkarmak için kullandı. Mağaza sahibi artan gelirlerden memnun değil, aynı zamanda Waldorf Food Co-op'un erkek müşterileri de mutluydu çünkü istediği zaman, istedikleri zaman istediler.