|
|
| (64 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 grappe.
| |
| | |
| Il existe de nombreux algorithmes de partitionnement. Par exemple, l'algorithme k-moyennes groupe des exemples en fonction de leur proximité avec un centroïde, comme dans le diagramme suivant :
| |
| <br />
| |
| | |
| [[Fichier:Clustering1 copie.jpg|300px]]
| |
| | |
| Un chercheur pourrait alors examiner les grappes et, par exemple, étiqueter la grappe 1 en tant qu'«arbres nains"» et la grappe 2 en tant qu'«
| |
| arbres de taille normale».
| |
| | |
| | |
| | |
| Autre exemple, celui d'un algorithme de partitionnement basé sur la distance entre un exemple et un point central, illustré comme suit :
| |
| | |
| <br />
| |
| [[Fichier:Clustering 2 copie.jpg|300px]]
| |
| | |
| | |
| <br />
| |
| | |
| == Termes privilégiés ==
| |
| | |
| Mise en grappe n.f.
| |
| | |
| Partitionnement des données n.m.
| |
| | |
| groupement n.m
| |
| | |
| <br />
| |
| <br />
| |
| | |
| == Anglais ==
| |
| ===clustering===
| |
| | |
| <br/>
| |
| <br/>
| |
| | |
| <br/>
| |
| | |
| <br/>
| |
| <br/>
| |
| <br/>
| |
