Notions de base de l’analyse en clusters

Analyse de clusters en Python

Shaumik Daityari

Business Analyst

Qu’est-ce qu’un cluster ?

  • Un ensemble d’éléments aux caractéristiques similaires
  • Google News : articles partageant mots et associations de mots
  • Segments clients

Analyse de clusters en Python

Algorithmes de regroupement

  • Regroupement hiérarchique
  • K-means
  • Autres algorithmes : DBSCAN, méthodes gaussiennes
Analyse de clusters en Python

Analyse de clusters en Python

Analyse de clusters en Python

Analyse de clusters en Python

Analyse de clusters en Python

Analyse de clusters en Python

Regroupement hiérarchique avec SciPy

from scipy.cluster.hierarchy import linkage, fcluster
from matplotlib import pyplot as plt
import seaborn as sns, pandas as pd

x_coordinates = [80.1, 93.1, 86.6, 98.5, 86.4, 9.5, 15.2, 3.4, 
                 10.4, 20.3, 44.2, 56.8, 49.2, 62.5, 44.0]
y_coordinates = [87.2, 96.1, 95.6, 92.4, 92.4, 57.7, 49.4, 
                 47.3, 59.1, 55.5, 25.6, 2.1, 10.9, 24.1, 10.3]

df = pd.DataFrame({'x_coordinate': x_coordinates,
                   'y_coordinate': y_coordinates})

Z = linkage(df, 'ward')
df['cluster_labels'] = fcluster(Z, 3, criterion='maxclust')

sns.scatterplot(x='x_coordinate', y='y_coordinate', 
                hue='cluster_labels', data = df)
plt.show()
Analyse de clusters en Python

Analyse de clusters en Python

Analyse de clusters en Python

Analyse de clusters en Python

Analyse de clusters en Python

Analyse de clusters en Python

K-means avec SciPy

from scipy.cluster.vq import kmeans, vq
from matplotlib import pyplot as plt
import seaborn as sns, pandas as pd

import random
random.seed((1000,2000))

x_coordinates = [80.1, 93.1, 86.6, 98.5, 86.4, 9.5, 15.2, 3.4, 
                 10.4, 20.3, 44.2, 56.8, 49.2, 62.5, 44.0]
y_coordinates = [87.2, 96.1, 95.6, 92.4, 92.4, 57.7, 49.4, 
                 47.3, 59.1, 55.5, 25.6, 2.1, 10.9, 24.1, 10.3]

df = pd.DataFrame({'x_coordinate': x_coordinates, 'y_coordinate': y_coordinates})

centroids,_ = kmeans(df, 3)
df['cluster_labels'], _ = vq(df, centroids)

sns.scatterplot(x='x_coordinate', y='y_coordinate', 
                hue='cluster_labels', data = df)
plt.show()
Analyse de clusters en Python

Analyse de clusters en Python

À suivre : exercices pratiques

Analyse de clusters en Python

Preparing Video For Download...