Types de Regroupement

Plusieurs types d'algorithmes de clustering peuvent être utilisés en fonction de la nature des données et du résultat de clustering souhaité. Voici quelques types courants de clustering :

1. Clustering partitionnel : Cette méthode de clustering divise l'information en plusieurs groupes basés sur les caractéristiques et les similitudes des données. Étant donné un ensemble de données de N points, une méthode de partitionnement construit K (N ≥ K) partitions des données, chaque partition représentant un cluster. K doit être choisi manuellement en fonction de la spécialité des données et du domaine. L'algorithme de clustering partitionnel le plus populaire est K-means;

2. Clustering Hiérarchique : Dans ce type de clustering, l'objectif est de créer une structure arborescente de clusters imbriqués, où chaque cluster peut contenir des points de données individuels ou d'autres clusters. En utilisant cette structure arborescente, nous pouvons comprendre dans quel ordre exactement quels points sont fusionnés. Le clustering hiérarchique peut être divisé en deux sous-types : clustering agglomératif et clustering divisif ;

3. Clustering basé sur la densité : ce type de clustering identifie les clusters en fonction de la densité des points de données dans l'espace des caractéristiques. L'objectif du clustering basé sur la densité est de trouver des zones de haute densité séparées par des zones de faible densité. Les algorithmes de clustering basés sur la densité les plus populaires sont DBSCAN et Mean-shift.

Il existe également d'autres types de clustering, mais ils ne seront pas abordés dans ce cours