Notions de base du clustering hiérarchique

Analyse de clusters en Python

Shaumik Daityari

Business Analyst

Créer une matrice de distance avec linkage

scipy.cluster.hierarchy.linkage(observations, 
                                method='single', 
                                metric='euclidean', 
                                optimal_ordering=False
)
  • method : calcul de la proximité des clusters
  • metric : métrique de distance
  • optimal_ordering : ordonner les points
Analyse de clusters en Python

Quelle méthode utiliser ?

  • 'single' : basé sur les deux objets les plus proches
  • 'complete' : basé sur les deux objets les plus éloignés
  • 'average' : basé sur la moyenne arithmétique de tous les objets
  • 'centroid' : basé sur la moyenne géométrique de tous les objets
  • 'median' : basé sur la médiane de tous les objets
  • 'ward' : basé sur la somme des carrés
Analyse de clusters en Python

Créer des étiquettes de cluster avec fcluster

scipy.cluster.hierarchy.fcluster(distance_matrix, 
                                 num_clusters,
                                 criterion
)
  • distance_matrix : sortie de linkage()
  • num_clusters : nombre de clusters
  • criterion : règle pour fixer les seuils de formation des clusters
Analyse de clusters en Python

Clustering hiérarchique avec la méthode ward

Analyse de clusters en Python

Clustering hiérarchique avec la méthode single

Analyse de clusters en Python

Clustering hiérarchique avec la méthode complete

Analyse de clusters en Python

Choisir une méthode : points clés

  • Aucune méthode unique ne convient à tout
  • Bien comprendre la distribution des données
Analyse de clusters en Python

Passons à la pratique !

Analyse de clusters en Python

Preparing Video For Download...