Ын Анналин, Су Кеннет

38
Глава 1
. 
Об основах без лишних слов
более здравую оценку действительным прогностическим 
способностям модели. А в качестве итоговой оценки 
точности модели принимают среднее значение за все 
итерации.
Если результаты кросс-валидации показывают, что про-
гностическая точность нашей модели невысока, мы мо-
жем вернуться к настройке параметров или обработать 
данные иначе.
1.5. Краткие итоги 
Исследование в рамках Data Science предполагает четыре 
ключевых шага:
1. Подготовка данных.
2. Выбор алгоритмов для моделирования этих данных.
3. Настройка алгоритмов для оптимизации моделей.
4. Оценка моделей, основанная на их точности.

---

2
Кластеризация 
методом k-средних

---

2.1. Поиск кластеров клиентов
Давайте поговорим о кинопредпочтениях. Возьмем, 
к примеру, человека, которому нравится «50 первых по-
целуев». Скорее всего, ему придутся по вкусу и другие 
чикфлики
1
типа «27 свадеб». Так и работает этот метод: 
определив общие предпочтения или характеристики, 
можно разделить клиентов на группы, которые затем 
можно использовать для таргетированной рекламы.
Однако определение таких групп — хитроумная задача. 
Мы изначально можем не знать, как следует группиро-
вать клиентов и сколько групп существует.
Ответить на эти вопросы нам поможет кластеризация 
методом k-средних (k-means clustering). Этот метод ис-
пользуется для разделения клиентов или товаров на 
особые кластеры, где k относится к числу этих найденных 
кластеров.
1
Чикфлик (англ. Chick flick, кино для девчонок) — термин 
в западной киноиндустрии, под которым понимают кино- 
и телефильмы, предназначенные прежде всего для женской 
аудитории.

---

2.2. Пример: профили кинозрителей