|
|
| (70 versions intermédiaires par 5 utilisateurs non affichées) |
| Ligne 1 : |
Ligne 1 : |
| __NOTOC__
| | #REDIRECTION [[Regroupement de données]] |
| == Domaine ==
| |
| [[Category:Vocabulaire]]Vocabulaire<br /> | |
| [[Category:Claude]]Claude<br />
| |
| [[Category:Apprentissage profond]]Apprentissage profond<br />
| |
| [[Category:scotty]]Scotty<br />
| |
| [[Category:Google]]Google<br />
| |
| [[Category:scotty]]
| |
| | |
| <br />
| |
| | |
| == Définition ==
| |
| Groupement d'exemples similaires, en particulier lors d'un apprentissage non supervisé. Une fois tous les exemples groupés, une personne peut éventuellement attribuer un sens à chaque cluster.
| |
| | |
| Il existe de nombreux algorithmes de clustering. Par exemple, l'algorithme k-moyennes groupe des exemples en fonction de leur proximité avec un centroïde, comme dans le diagramme suivant :
| |
| | |
| [[Fichier:Clustering1.jpg ]]
| |
| | |
| Un chercheur pourrait alors examiner les clusters et, par exemple, étiqueter le cluster 1 en tant qu'"arbres nains" et le cluster 2 en tant qu'"arbres de taille normale".
| |
| | |
| Autre exemple, celui d'un algorithme de clustering basé sur la distance entre un exemple et un point central, illustré comme suit :
| |
| [[Fichier:Clustering 2.jpg]]
| |
| | |
| | |
| <br />
| |
| | |
| | |
| == Termes privilégiés ==
| |
| | |
| | |
| | |
| | |
| | |
| <h4>
| |
| <poll>
| |
| Choisissez parmi ces termes proposés :
| |
| partitionnement
| |
| mise en grappe
| |
| groupage
| |
| groupement
| |
| </poll></h4>
| |
| <br />
| |
| <br />
| |
| | |
| == Anglais ==
| |
| ===clustering===
| |
| | |
| <br/>
| |
| <br/>
| |
| | |
| <br/>
| |
| | |
| <br/>
| |
| <br/>
| |
| <br/>
| |
