Regroupement de données

Définition

Le regroupement de données ou groupement de données (clustering en anglais) est une méthode d'analyse des données dans laquelle les données sont classées, par regroupement, en groupes plus homogènes, ou par division: on parle alors de partitionnement de données. Elles sont classées selon une mesure de similarité qui calcule la distance entre paires d'exemples de données. Ainsi les données d’un même groupe partagent des attributs communs.

Le résultat est l'appartenance à un groupe ou une probabilité d'appartenance à chacun des groupes formés par l'algorithme. Cette méthode d’analyse de données relève de l’apprentissage non supervisé.

Compléments

Note - Le regroupement de données (clustering) est la principale tâche de l’apprentissage non supervisé en analyse des données.

En Amérique du Nord, on utilise davantage le concept de regroupement (clustering) ou de création de groupes (clusters) de données, alors qu'en Europe on préfère le concept de répartition ou division en groupes (partitionnement) de données.

Français

regroupement de données

groupement de données 

agrégation de données

partitionnement de données 

segmentation de données

Anglais

clustering

data clustering

binning

Clustering, also known as data clustering or binning, is a method of data analysis in which data are classified, by clustering, into more homogeneous groups, or by division: this is known as data partitioning. They are classified according to a similarity measure which calculates the distance between pairs of data examples. In this way, data in the same group share common features.

The result is group membership, or a probability of membership of each of the groups formed by the algorithm. This method of data analysis is known as unsupervised learning

Español

agrupamiento

análisis de grupos

La agrupación de datos, también llamada clusterización, es un método de análisis de datos mediante el cual los datos se clasifican, ya sea agrupándolos en conjuntos más homogéneos o dividiéndolos; esto se denomina partición de datos. Los datos se organizan según una medida de similitud que calcula la distancia entre pares de ejemplos. Por lo tanto, los datos de un mismo grupo comparten atributos comunes.

El resultado es la asignación a un grupo o la probabilidad de pertenecer a cada uno de los grupos generados por el algoritmo. Este método de análisis de datos forma parte del aprendizaje no supervisado.

Sources

Source : GDT - Traitement des données