A. 回帰
回帰は連続値を予測するために使用されるため、類似した嗜好に基づいて人々をグループ化するのには適していません。
B. 協会
関連付けは、大規模なデータセット内の変数間の関係を見つけるために使用され、多くの場合、ルールの形式をとります (例: マーケット バスケット分析)。個人を直接グループ化するのではなく、共起のパターンを識別します。
C. クラスタリング
クラスタリングは、類似したデータ ポイントをその特徴に基づいてグループ化するために使用される教師なし学習方法です。グループ ラベルを事前に知らなくても、似たような嗜好を持つ人々のグループを識別するのに最適です。この手法は、企業が顧客ベースを効果的にセグメント化するのに役立ちます。
D. 分類
分類は、データ ポイントを定義済みのクラスに分類するために使用される教師あり学習方法です。トレーニングにはラベル付きのデータが必要ですが、ここでは定義済みのラベルなしでグループを識別するため、ラベル付きのデータは必要ありません。
したがって、正解は C です。クラスタリングは、ターゲットを絞った製品のマーケティングのために、似たような嗜好を持つ人々をグループ化するのに最適な方法だからです。