Fouille de données et apprentissage

Fouille de données et
apprentissage
Farida Zehraoui
[email protected]

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