Samenvatting

Het artikel onderzoekt de effectiviteit van geautomatiseerde clustering in gepersonaliseerde toepassingen op basis van gegevenskenmerken. Het evalueert drie clusteringalgoritmen met verschillende aantallen clusters en subsets van kenmerken. De studie vergelijkt de nauwkeurigheid van modellen in verschillende clusters met de oorspronkelijke resultaten en onderzoekt de algoritmische benaderingen en kenmerkselecties voor optimale clusteringprestaties. Het onderzoek concludeert dat de voorgestelde methode helpt bij het selecteren van geschikte clusteringstrategieën en relevante kenmerken voor datasets. Deze inzichten kunnen ook als leidraad dienen voor verder onderzoek naar coachingbenaderingen binnen toepassingen.