组织数据

分类和回归都是需要单个输出的问题，即标签或预测。但是，您还可以使用AI和机器学习来分析，然后组织大量数据集，以找到人类可能无法识别的组和连接。

了解大数据集

世界充满了数据 - 如此之多，以至于很难知道该怎么做。解决这个问题的一种解决方案是知识组织。这涉及对数据进行分类和分类，以更好地了解其结构，以帮助对未来的努力做出决策或使数据导航效率更高。

该过程称为知识组织，因为它将相似的数据分组在一起以更好地显示数据集中的关系（知识）。

数据的组织方式

每个公司都会以不同的方式使用知识组织，因为他们持有的数据将有所不同。但是，有两种主要类型的知识组织类型：协会和聚类。

数据关联

关联将在数据点之间找到链接，特别是数据点功能之间的链接。功能只是数据中的一个变量，而数据点是一系列功能。查看病历（数据集）的协会算法可能会发现患有肾脏问题（功能）的患者（数据点）也可能具有营养不良的症状（功能）；这些关系称为协会规则。

协会规则在数据中创建组的组，这些组由共同特征链接。在关联中，一个数据点可以属于许多组。

数据聚类

聚类算法将将相似的数据点分组在一起以形成“簇”。这些算法通过比较这些点的多个特征来检查整个数据点，并将根据它们的相似性进行分组。这将您的数据分为更易于理解的块。检查簇的大小可以告诉您有关数据构成的很多信息。

群集可以是独家或重叠的。在独家集群中，数据点只能属于一个群集。在重叠的系统中，数据点可以属于两个或多个群集。在这种情况下，算法将给出这些点的百分比值，表示它们适合每个群集的程度。

为了向您展示实践中聚类的示例，我将使用在线视频流服务Netflix中的示例。

数据聚类示例 - Netflix

Netflix是一个在线流媒体网站，为190个国家 /地区的1.95亿用户提供电视节目和电影。他们拥有有关他们提供的内容和观看用户的大量数据。他们还对AI和ML进行了大量投资，以充分利用所有数据。

Netflix在其业务的几乎所有方面都使用ML，但这都是一个井井有条的知识库。

重叠的集群 - 品味群落

观看者在Netflix调用的重叠群集中分组在一起品味群落基于他们喜欢观看的内容类型。

在Netflix内部，他们使用数千个标签来标记内容。其中不仅包括节目的格式，例如“电视情景喜剧”，“电影”和“纪录片”，还包括有关内容（例如“ Sci-Fi”，“ Romance”或“ Action”）的更多细节。”），涉及的演员和特定的情节。Netflix还拥有大量有关用户本身的数据，从他们观看的内容，观看的时间甚至使用的设备类型。该公司将所有这些数据用作其知识组织者算法的输入，然后将用户与具有相同观看习惯的其他用户分配给品味群落。

Netflix创建了大约2000个不同的品味群落，这意味着他们能够专门针对其内容营销。在某些情况下，这导致了批评Netflix以误导观众对演出的内容的方式来量身定制营销。

他们如何处理这些知识？

Netflix利用其用户的知识组织使用该应用程序来个性化他们的体验。

建议- Netflix估计其观看时间的75％至80％来自应用程序内建议。通过使用您的个人品味社区从属关系，Netflix能够向您展示其他共享您品味的人喜欢的内容。

艺术品- 另一个个性化是Netflix用于演出的艺术品。艺术品是从内容中的视频框架中刮掉的，并且将选项显示给数百万用户。一旦他们知道哪种艺术在您的口味社区中产生最多的点击，他们就停止尝试并仅使用成功的缩略图。

内容创建- Netflix根据他们的口味社区对内容进行了委托。如果他们能看到一个对浪漫喜剧感兴趣的大型社区，而另一个热爱幻想电影的社区，他们可以委托一个新的节目为这两个观众服务。

建议算法

现在，我希望您考虑其他推荐服务。

• 您最常使用哪些与Netflix类似的内容推荐人？
• 您认为他们用来分组用户的内容的哪些功能？