Fouille de données et apprentissage
Plan
• Clustering (Rappels)
• Biclustering
– Biclustering de résidue minimum
– Biclustering spectral
Clustering
Soient N instances de données à m attributs,
Trouver un partitionnement en k clusters
(groupes) ayant un sens (Similitude)
Affectation automatique de “labels” aux clusters
k peut être donné, ou “découvert”
Plus difficile que la classification car les classes
ne sont pas connues à l’avance (non supervisé)
Problèmatique
Clustering
Apprentissage non supervisé
Trouver les classes naturelles
(implicites) pour rassembler
des données non étiquetées
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
1
/
39
100%
