|
Le clustering est l'organisation des points de données en clusters, où les points de données d'un cluster sont plus similaires les uns aux autres qu'aux points de données d'autres clusters. L’idée générale du clustering est que les éléments de données similaires doivent être regroupés. Le regroupement de données est un apprentissage non supervisé, ce qui signifie qu'il ne nécessite pas de données étiquetées.
Le clustering peut être bénéfique pour comprendre la structure d'un ensemble de données, trouver des similitudes entre les éléments de données, identifier les valeurs aberrantes et réduire la dimensionnalité des données. Il est couramment utilisé dans divers domaines tels que l’apprentissage automatique, l’exploration de données, la bioinformatique et le traitement d’images.
Étapes :
1. Préparation des données
2. Sélection d'une mesure de distance
3. Choisir le nombre de clusters
4. Regroupement
5. Évaluation du clustering
|
