Interaktiver Explainer

Clustering mit k-Means – interaktiver Rechner

Welche Kunden ähneln sich? Die Antwort hängt auch davon ab, wie Ähnlichkeit gemessen wird. Gruppieren Sie dieselben synthetischen Kunden nach Bestellungen und Monatsumsatz und untersuchen Sie den Einfluss der Skalierung.

Gruppieren Sie 90 synthetische Kunden anhand monatlicher Bestellungen und Umsatz. Sie wählen zwei bis fünf Gruppen, schalten die Standardisierung um und ändern die interne Umsatzeinheit. Die ursprünglichen Daten und die Ausgangspunkte bleiben für eine gegebene Gruppenzahl gleich. Alle Berechnungen laufen lokal; echte Kundendaten werden nicht benötigt.

Interaktiv

Clustering mit k-Means – interaktiver Rechner

k-Means ordnet jeden Punkt dem nächsten Zentrum zu und berechnet neue Gruppenmittel. Die Grafik zeigt immer ursprüngliche Bestellzahlen und Euro, unabhängig von der intern gewählten Skalierung.

Drei Experimente

  1. Einheiten ohne Standardisierung wechseln. Schalten Sie die Standardisierung aus und vergleichen Sie Euro mit Tausend Euro. Prüfen Sie Gruppengrößen und Zentren in der Tabelle. Unterschiedliche Zuordnungen entstehen, obwohl dieselben Kunden betrachtet werden.
  2. Den Einheiteneffekt aufheben. Aktivieren Sie die Standardisierung und wiederholen Sie den Wechsel. Mittelwert und Standardabweichung werden je Merkmal berücksichtigt. Deshalb bleiben die standardisierten Abstände und die Zuordnungen bis auf Rechenrundung gleich.
  3. Mehr Gruppen zulassen. Vergleichen Sie zwei, drei und fünf Gruppen. Überlegen Sie für jede Aufteilung, welche konkrete Maßnahme sich daraus ableiten ließe. Kehren Sie mit „Zurücksetzen“ zum Anfang zurück.

Was Sie daraus ableiten können

Die Gruppen zeigen Nähe im gewählten Merkmalsraum, keine bewiesenen Kundentypen. Feste Startpunkte machen den Vergleich nachvollziehbar, garantieren aber kein globales Optimum. Ausreißer, unterschiedliche Streuungen und nicht kompakte Strukturen können die Ergebnisse verändern. Die Zentren werden stets in ursprünglichen Einheiten berichtet. Der Artikel über Clustering erläutert die Distanzrechnung und warum Standardisierung eine fachliche Entscheidung bleibt.

Von NyxAI

smartlytics ist das Wissensangebot der NyxAI GmbH.

Wir erklären hier die Methoden, mit denen wir arbeiten – offen, mit Quellen und so, dass man sie nachrechnen kann.

Entscheidungskern

NyxAI entwickelt einen Entscheidungskern (Decision Core) für Decision Intelligence, der Optimierung, Simulation, Statistik und Reinforcement Learning verbindet: Optionen vergleichen, Unsicherheit sichtbar machen, aus Ergebnissen lernen – unter menschlicher Verantwortung.

KI-Workflows bei NyxAI

DeepSquare

Erklärbare Schach-KI mit menschlichen Spielstilen: das Testfeld von NyxAI für nachvollziehbare Entscheidungen unter Zeitdruck.