Icon

JKISeason2-2@obito_​od

Just Knime It season2-2@obito_od

Just KNIME It! Season2
Challenge 02: Segmentation of Credit Card Users
@obito_od回答例



Description: Credit Card company ABC maintains information about customerpurchases and payments. The information is available for individual customers as Payments Info and PurchaseInfo. The company wants to segment the customers into three (3) clusters, so thatmarketing campaigns can be designed according to each cluster. You are asked to use both infos together to build a clustering model that adequatelysegments the customers. What patterns do customers in the same cluster have in common? Also, Informationfor newly registered customers is available. You are asked to assign cluster labels to newly registered customers using thetrained clustering model, and then export the results into a CSV file. Do the assignments make sense? How do you assess their quality? 説明 クレジットカード会社ABCは、顧客の購入と支払いに関する情報を管理しています。 この情報は、個々の顧客に対して、支払情報および購入情報として提供されています。同社は、顧客を3つのクラスターにセグメント化し、それぞれのクラスターに応じたマーケティングキャンペーンを設計できるようにしたいと考えています。あなたは、両情報を合わせて使用し、顧客を適切にセグメント化するクラスタリングモデルを構築するよう求められています。同じクラスターに属する顧客は、どのようなパターンに共通しているのでしょうか？また、新規登録されたお客様の情報もあります。学習したクラスタリングモデルを用いて、新規登録された顧客にクラスタラベルを付与し、その結果をCSVファイルに出力するよう求められています。課題には意味があるのか？その質をどのように評価するのか？ Just KNIME It! season2-2 Knime ver. : 4.7.1 方針1.データの80%を学習データとしてk-meansのモデルを作成する2..残りのデータ検証データとしてモデル適用してクラスタリングする3.双方scatter plot描画、Mean Sihouette Coefficient計算して簡易的にクオリティチェックする4.イケてそうだったら既存データ全部でモデル作成して、新規データをクラスタリング後、csvファイルに保存するようにするなお、シルエット図は描かないこととする。（PCリソースの問題） 1.モデル確認 2.新規データへ適用 データ読み込み学習データ抽出モデル化色付け検証データにモデル適用色付けモデル化モデル適用新規データ読み込み色付けcsv書き込みノーマライズデノーマライズデノーマライズノーマライズデノーマライズMean silhouette Coefficient計算 CSV Reader Partitioning k-Means Color Manager Cluster Assigner Color Manager 見比べ k-Means Cluster Assigner CSV Reader Color Manager CSV Writer Normalizer Denormalizer Denormalizer Normalizer Denormalizer クオリティ確認 SilhouetteCoefficient Description: Credit Card company ABC maintains information about customerpurchases and payments. The information is available for individual customers as Payments Info and PurchaseInfo. The company wants to segment the customers into three (3) clusters, so thatmarketing campaigns can be designed according to each cluster. You are asked to use both infos together to build a clustering model that adequatelysegments the customers. What patterns do customers in the same cluster have in common? Also, Informationfor newly registered customers is available. You are asked to assign cluster labels to newly registered customers using thetrained clustering model, and then export the results into a CSV file. Do the assignments make sense? How do you assess their quality? 説明 クレジットカード会社ABCは、顧客の購入と支払いに関する情報を管理しています。 この情報は、個々の顧客に対して、支払情報および購入情報として提供されています。同社は、顧客を3つのクラスターにセグメント化し、それぞれのクラスターに応じたマーケティングキャンペーンを設計できるようにしたいと考えています。あなたは、両情報を合わせて使用し、顧客を適切にセグメント化するクラスタリングモデルを構築するよう求められています。同じクラスターに属する顧客は、どのようなパターンに共通しているのでしょうか？また、新規登録されたお客様の情報もあります。学習したクラスタリングモデルを用いて、新規登録された顧客にクラスタラベルを付与し、その結果をCSVファイルに出力するよう求められています。課題には意味があるのか？その質をどのように評価するのか？ Just KNIME It! season2-2 Knime ver. : 4.7.1 方針1.データの80%を学習データとしてk-meansのモデルを作成する2..残りのデータ検証データとしてモデル適用してクラスタリングする3.双方scatter plot描画、Mean Sihouette Coefficient計算して簡易的にクオリティチェックする4.イケてそうだったら既存データ全部でモデル作成して、新規データをクラスタリング後、csvファイルに保存するようにするなお、シルエット図は描かないこととする。（PCリソースの問題） 1.モデル確認 2.新規データへ適用 データ読み込み学習データ抽出モデル化色付け検証データにモデル適用色付けモデル化モデル適用新規データ読み込み色付けcsv書き込みノーマライズデノーマライズデノーマライズノーマライズデノーマライズMean silhouette Coefficient計算 CSV Reader Partitioning k-Means Color Manager Cluster Assigner Color Manager 見比べ k-Means Cluster Assigner CSV Reader Color Manager CSV Writer Normalizer Denormalizer Denormalizer Normalizer Denormalizer クオリティ確認 SilhouetteCoefficient

Nodes

Extensions

Links

Download

To use this workflow in KNIME, download it from the below URL and open it in KNIME:

Download Workflow
Created by: F065807
Created at: 2023-03-30
On NodePit since: 2023-04-06
Last update: 2024-04-30
Created with KNIME version: v4.7.1
Tags: JKISeason2-2obito_od

Deploy, schedule, execute, and monitor your KNIME workflows locally, in the cloud or on-premises – with our brand new NodePit Runner.

Try NodePit Runner!