Le clustering par k-moyennes
L'algorithme des k-moyennes de bout en bout : choisir k, initialiser, affecter, recalculer, s'arrêter ; l'inertie, le coude, et la sensibilité à l'initialisation, aux échelles et à la forme des amas.
- 23 cartes
- 6 thèmes
- Gratuit
Le programme, thème par thème
Le poids de chaque thème suit celui que lui donne l'examen.
- Notions
- Questions
- Ranger et relier
- Les courbes
- Mises en situation
- Comprendre
Quelques cartes du deck
Apprentissage non supervisé : de quoi s'agit-il ?
Voir la réponse
Apprentissage qui cherche une structure dans des données sans étiquette ni valeur cible à prédire.
Il n'y a pas de bonne réponse à comparer : on juge les groupes ou les motifs à leur utilité et à leur cohérence.
Que vaut l'inertie intra-classe quand k est égal au nombre de points ?
- 0 : chaque point est son propre centre
- La plus grande valeur possible, car chaque groupe est minuscule
- La variance totale du jeu, comme pour k = 1
- 1, la valeur de référence d'une partition en singletons
Voir la réponse
0 : chaque point est son propre centre
Chaque point coïncide avec son centre : toutes les distances au centre sont nulles. C'est pourquoi l'inertie ne peut pas servir seule à choisir k, et qu'on lit le coude de sa courbe.
Avant de lancer les k-moyennes, il faut fixer … : l'algorithme ne le devine pas.
Voir la réponse
Avant de lancer les k-moyennes, il faut fixer le nombre de groupes : l'algorithme ne le devine pas.
Le choix de k est une décision humaine, aidée par la méthode du coude. Un k trop petit mélange des groupes, un k trop grand en coupe.
Clustering (partitionnement) : de quoi s'agit-il ?
Voir la réponse
Répartition des individus en groupes tels que ceux d'un même groupe se ressemblent plus qu'ils ne ressemblent à ceux des autres.
Tout dépend de la mesure de ressemblance (distance) et des variables retenues : le même jeu peut se regrouper de plusieurs façons valables.