cours - LISIC

Partionnement non-supervis´ee
Intelligence Artificielle et Syst`emes Formels
Master 1 I2L
S´ ebastien Verel
[email protected]ral.fr
http://www-lisic.univ-littoral.fr/∼verel
Universit´e du Littoral Cˆote d’Opale
Laboratoire LISIC
Equipe CAMOME

Introduction Partitionnement automatique Algorithme k-means
Objectifs de la s´eance 11
Connaitre l’algorithme du k-means

Introduction Partitionnement automatique Algorithme k-means
Plan
1Introduction
2Partitionnement automatique
3Algorithme k-means

Introduction Partitionnement automatique Algorithme k-means
Types d’apprentissage
Apprentissage supervis´e :
Apprentissage sur un ensemble d’exemples ´etiquet´es :
(entr´ee, sortie d´esir´ee)
Apprentissage non supervis´e :
Apprentissage sur un ensemble d’exemples non ´etiquet´es
(cf. clustering)
Apprentissage semi-supervis´e :
Apprentissage sur un ensemble d’exemples ´etiquet´es / non
´etiquet´es
Apprentissage par renforcement :
Apprentissage o`u les actions sur l’environnement se
mesurent par une r´ecompense
...

Introduction Partitionnement automatique Algorithme k-means
Exemple intuitif
id Qualit´e Prix
1 30 100
2 40 120
3 10 20
4 10 25
535 90
6 38 110
Peut-on partitionner l’ensemble de ces produits en k= 2
classes ?
Si oui, proposer un partition.
Un nouveau produit arrive (Q,P) = (32,92).
Dans quelle classe l’affecter ? Pourquoi ?