我正在尝试对客户运行机器学习模型，以根据他们使用的相似产品对客户进行细分。我的数据集非常庞大，包含240万条记录，格式如下：

customer_id prod_1 prod_2 prod_3 prod_4  ..... prod_10000           1      0      0      1     .....  1001           0      0      1      1     .....  1011           0      1      0      1     .....  0021           1      0      1      1     .....  0...

每行包含客户编号和基于是否拥有该产品的1或0。我运行了k-means算法，但结果看起来并不令人满意。

对于这种数据，有没有其他建议可以运行哪种类型的模型来根据客户一起使用的产品对他们进行细分？

回答：

使用频繁项集挖掘。

放弃每个客户只能属于一个细分的想法。这在现实中是不成立的。

相反，存在典型的产品组合来识别细分。这些细分也可以重叠。一个客户可以同时是电子产品爱好者和星球大战粉丝。