Aller au contenu

CLUSTERING

Clustering définition et exemples Le clustering, ou classification, est une méthode d'analyse multivariée qui regroupe des individus selon leur similarité en un nombre fini de classes.

D'après le document CLUSTERING

Cet article a été rédigé automatiquement à partir du document source, puis vérifié avant publication.

Document source

CLUSTERING

Data Analysis, Clustering Methods, Hierarchical Classification · PDF · 21 pages · 2017

Afficher l'aperçu du document

Consulter le document original →

Clustering définition et exemples

Le clustering, ou classification, est une méthode d'analyse multivariée qui regroupe des individus selon leur similarité en un nombre fini de classes. Cet article explore les différentes méthodes de clustering, notamment la classification hiérarchique et le partitionnement, tout en fournissant des exemples pratiques et des explications sur les mesures de similarité et d'inertie.

Objectifs et méthodes du clustering

Le principal objectif du clustering est de regrouper des individus en classes basées sur leur similarité. Pour cela, plusieurs méthodes sont utilisées, dont la classification hiérarchique et le partitionnement. Chaque méthode a ses propres caractéristiques et applications.

Classification hiérarchique ascendante

La classification hiérarchique ascendante est une méthode qui construit un arbre hiérarchique (dendrogramme) représentant les liens entre les individus. Cette méthode permet de visualiser la variabilité contenue dans les données. Chaque branche de l'arbre regroupe les individus d'un groupe polythétique, où chaque élément possède un grand nombre de caractéristiques.

Voici les étapes de l'algorithme d'agglomération classique :

  1. Calculer la matrice de distance D.
  2. Regrouper les individus i et j les plus proches pour créer un nouvel élément (i,j).
  3. Mettre à jour D en enlevant les colonnes et les lignes relatives à i et j, et en les remplaçant par une ligne et une colonne pour le nouvel élément (i,j).
  4. Répéter à partir de l'étape 2 sur la nouvelle matrice.

Partitionnement

Le partitionnement, comme la méthode K-means, consiste à construire plusieurs partitions puis à les évaluer selon certains critères. Dans cette méthode, le nombre de groupes est fixé à l'avance, et les individus sont assignés aux groupes en fonction de la proximité de leur centre de gravité.

Voici un exemple d'une partition en trois classes :

  1. Choisir au hasard le centre de classes d'une partition.
  2. Affecter chaque individu à la classe dont le centre est le plus proche.
  3. Déplacer l'ancien centre vers le nouveau centre de gravité des nouvelles classes.
  4. Réaffecter les individus aux classes dont le centre est le plus proche.
  5. Rechercher les nouveaux centres de gravité.
  6. Répéter le processus jusqu'à stabilisation des centres de gravité.

Mesures de similarité et d'inertie

La notion de similarité est essentielle dans le clustering. Elle se mesure par des distances entre individus. Par exemple, la distance entre deux individus i et j est donnée par :

d(i, j) = ∑k=1K |xki - xkj|λ

Où λ = 2 correspond à la distance euclidienne et λ = 1 à la distance de Manhattan. Le choix de la mesure de distance est crucial, car il influence la qualité de la partition.

Inertie dans le clustering

L'inertie est une mesure de variabilité utilisée pour évaluer la qualité d'une partition. Une bonne partition est celle où les individus dans chaque cluster sont homogènes (faible variabilité intra-cluster) et où les individus dans différents clusters sont très différents (forte variabilité entre clusters).

La qualité de la partition peut être mesurée par le rapport :

0 < Inertie inter-cluster / Inertie totale < 1

Si ce rapport tend vers 0, cela indique une mauvaise classification, tandis que s'il tend vers 1, cela indique une bonne classification.

Key Takeaways

  • Le clustering regroupe des individus selon leur similarité.
  • La classification hiérarchique et le partitionnement sont deux méthodes principales.
  • Les mesures de similarité influencent la qualité des partitions.
  • L'inertie est un critère clé pour évaluer la qualité des clusters.

Glossaire

  • Clustering: méthode de regroupement d'individus selon leur similarité.
  • Dendrogramme: arbre hiérarchique représentant les liens entre individus.
  • Inertie: mesure de variabilité intra et inter-cluster.
  • Distance euclidienne: mesure de similarité basée sur la distance géométrique.
  • K-means: méthode de partitionnement en groupes.

Questions fréquentes

Qu'est-ce que le clustering ?

Le clustering est une méthode d'analyse qui regroupe des individus selon leur similarité en un nombre fini de classes. Il est utilisé dans divers domaines pour identifier des structures dans les données.

Quelle est la différence entre la classification hiérarchique et K-means ?

La classification hiérarchique construit un arbre hiérarchique des individus, tandis que K-means partitionne les individus en un nombre fixe de groupes basés sur la proximité de leurs centres de gravité.

Comment évaluer la qualité d'une partition en clustering ?

La qualité d'une partition peut être évaluée par l'inertie, qui mesure la variabilité intra-cluster et inter-cluster. Une bonne partition présente une faible variabilité intra-cluster et une forte variabilité entre clusters.

Quelles mesures de similarité sont utilisées en clustering ?

Les mesures de similarité courantes incluent la distance euclidienne et la distance de Manhattan. Le choix de la mesure dépend des caractéristiques des données et des objectifs de l'analyse.

Comment fonctionne la méthode K-means ?

La méthode K-means consiste à initialiser des centres de classes, à assigner les individus aux classes en fonction de la proximité de ces centres, puis à recalculer les centres jusqu'à stabilisation des partitions.

Partager

Commentaires

Aucun commentaire pour le moment. Posez la première question.

Les commentaires sont relus avant publication. Votre e-mail n'est jamais affiché.

← Toutes les révisions