Menyelesaikan masalah dunia nyata dengan Algoritma Neighbor terdekat - dummies

Algoritma kluster hirarkikal - dan kaedah jiran terdekat, khususnya - digunakan secara meluas untuk memahami dan mencipta nilai dari corak dalam data perniagaan runcit. Dalam perenggan berikut dua kes yang kuat di mana algoritma mudah ini digunakan untuk mempermudahkan pengurusan dan keselamatan dalam operasi runcit harian.

Melihat algoritma jiran terdekat k-terdekat dalam tindakan

Teknik jiran terdekat K-untuk pengenalan corak sering digunakan untuk pencegahan kecurian dalam perniagaan runcit moden. Sudah tentu, anda sudah biasa melihat kamera CCTV di hampir setiap kedai yang anda lawati, tetapi kebanyakan orang tidak tahu bagaimana data yang dikumpulkan dari peranti ini sedang digunakan.

Anda mungkin bayangkan ada orang di bilik belakang memantau kamera ini untuk aktiviti yang mencurigakan, dan mungkin itu adalah bagaimana keadaan dilakukan pada masa lalu. Tetapi hari ini, sistem pengawasan moden cukup bijak untuk menganalisis dan mentafsir data video dengan sendirinya, tanpa memerlukan bantuan manusia.

Sistem moden kini dapat menggunakan jiran terdekat k-terdekat untuk pengiktirafan corak visual untuk mengimbas dan mengesan pakej tersembunyi di dalam tong bawah belanja di check-out. Sekiranya objek dikesan itu padanan tepat untuk objek yang disenaraikan dalam pangkalan data, maka harga produk yang ditemui bahkan boleh ditambah secara automatik kepada bil pelanggan. Walaupun amalan pengebilan automatik ini tidak digunakan secara meluas pada masa ini, teknologi telah dibangunkan dan tersedia untuk digunakan.

K-terdekat jiran juga digunakan dalam runcit untuk mengesan corak penggunaan kad kredit. Banyak aplikasi perisian mengawasi urus niaga baru menggunakan algoritma kNN untuk menganalisis data daftar dan melihat pola yang tidak biasa yang menunjukkan aktiviti yang mencurigakan.

Sebagai contoh, jika data mendaftar menunjukkan bahawa banyak maklumat pelanggan dimasukkan secara manual dan bukannya melalui pengimbasan automatik dan swiping, ini dapat menunjukkan bahawa pekerja yang menggunakan pendaftaran itu sebenarnya mencuri maklumat peribadi pelanggan. Atau jika data mendaftar menunjukkan bahawa kebaikan tertentu dikembalikan atau ditukar berbilang kali, ini dapat menunjukkan bahawa pekerja menyalahgunakan dasar pemulangan atau cuba membuat wang dari melakukan pulangan palsu.

Melihat purata algoritma jiran terdekat dalam tindakan

Rata-rata klasifikasi algoritma jiran terdekat dan pengesanan corak titik boleh digunakan dalam runcit runcit untuk mengenal pasti pola utama dalam tingkah laku pembelian pelanggan, dan seterusnya meningkatkan kepuasan jualan dan pelanggan dengan menjangka tingkah laku pelanggan.Pertimbangkan kisah berikut:

Seperti dengan kedai runcit yang lain, tingkah laku pembeli di Waldorf Food Co-op (fiksyen) cenderung mengikuti pola yang sangat tetap. Pengurus juga telah mengulas mengenai fakta yang aneh bahawa ahli-ahli kumpulan umur tertentu cenderung untuk melawat kedai semasa tetingkap masa yang sama, dan mereka cenderung membeli jenis produk yang sama.

Pada suatu hari, Pengurus Mike mendapat sangat proaktif dan memutuskan untuk mengupah saintis data untuk menganalisis data pelanggannya dan memberikan butiran yang tepat tentang trend ganjil yang dia perasan. Ketika Scientist Data Dan masuk ke sana, dia cepat-cepat menemui corak di kalangan orang dewasa berumur pertengahan bekerja - mereka cenderung untuk mengunjungi kedai runcit hanya pada hujung minggu atau pada akhir hari pada hari kerja, dan jika mereka masuk ke kedai Khamis, mereka hampir selalu membeli bir.

Nah, ketika Pengurus Mike bersenjata dengan fakta-fakta ini, dia dengan cepat menggunakan maklumat ini untuk memaksimumkan penjualan bir pada petang Khamis dengan menawarkan diskaun, bungkusan, dan spesial. Bukan sahaja pemilik kedai gembira dengan peningkatan pendapatan, tetapi pelanggan lelaki Waldorf Food Co-op gembira kerana mereka mendapat lebih banyak daripada apa yang mereka mahu, apabila mereka mahukannya.