user@devops:~$ cat README.md
K-Means — Segmentação de Clientes
# Descrição
Projeto de segmentação de clientes com K-Means Clustering, introdução ao aprendizado NÃO supervisionado. Simula 500 clientes de um centro comercial com 4 perfis realistas (jovens, adultos profissionais, idosos, estudantes). Aprenda o algoritmo K-Means passo a passo, o método do cotovelo e silhouette score para escolher K, a importância crítica do escalonamento com StandardScaler, a interpretação de perfis de cliente por cluster e visualização com PCA. Inclui inferência para classificar novos clientes automaticamente.
# Características principais
$ Algoritmo K-Means: centroides, atribuição, iteração até convergência
$ Método do Cotovelo (Elbow) para escolha visual de K
$ Silhouette Score: métrica quantitativa para avaliar separação de clusters
$ Escalonamento com StandardScaler: crítico para K-Means
$ Interpretação de perfis de cliente por cluster
$ Visualização 2D com PCA e mapa de clusters
$ Inferência: classificação automática de novos clientes
# Galeria
# Tecnologias utilizadas
