Cours Machine Learning: Algorithme K-means

Telechargé par chebbi mejdi
Cours de Machine Learning
Promotion M1 SSICE
A.U. 2018/19
La prédiction
De manière générale, nous aimerions prédire une
valeur T à partir d’une observation x
T= y(x,w)
Si T est discret : classification
Si T est continue : régression
Apprentissage des paramètres à partir de données.
But:
regrouper n individus en k classes telles que
les individus d’une classe soient semblables et
les classes assez bien séparées.
Approche:
obtenir une partition en K classes où k est fixé
à priori.
La plupart des techniques procèdent par
améliorations successives d’une partition de
départ.
Processus supervisé: K-means
Processus supervisé: K-means
5
Exemple
Personnes d'âge 27- 51 - 52 - 33 - 45 - 22 - 28 - 44 - 40 - 38 - 20 - 57
Ex : K=3
Les 3 noyaux : les trois premières valeurs
distance = différence / (amplitude maximum) = différence / 37)
27
51
52
33
45
22
28
44
40
38
20
57
Noyau 27
0.00
0.65
0.68
0.16
0.49
0.14
0.03
0.46
0.35
0.30
0.19
0.81
Noyau 51
0.65
0.00
0.03
0.49
0.16
0.78
0.62
0.19
0.30
0.35
0.84
0.16
Noyau 52
0.68
0.03
0.00
0.51
0.19
0.81
0.65
0.22
0.32
0.38
0.86
0.14
Minimum
0
0
0
0.16
0.16
0.14
0.03
0.19
0.3
0.3
0.19
0.14
Affectation 1
2
3
1
2
1
1
2
2
1
1
3
noyau 1 (27) : 27 - 33 - 22 - 28 - 38 - 20
noyau 2 (51) : 51 - 45 - 44 - 40
noyau 3 (52) : 52 - 57
1 / 7 100%
La catégorie de ce document est-elle correcte?
Merci pour votre participation!

Faire une suggestion

Avez-vous trouvé des erreurs dans l'interface ou les textes ? Ou savez-vous comment améliorer l'interface utilisateur de StudyLib ? N'hésitez pas à envoyer vos suggestions. C'est très important pour nous!