Limites du partitionnement k-means

Analyse de grappes en Python

Shaumik Daityari

Business Analyst

Limites du partitionnement k-means

  • Comment choisir le bon _K_ (nombre de groupes) ?
  • Impact des graines
  • Biais vers des groupes de taille égale
Analyse de grappes en Python

Impact des graines

Initialiser une graine aléatoire

from numpy import random
random.seed(12)

Graine : np.array(1000, 2000)

Tailles des groupes : 29, 29, 43, 47, 52

 

Graine : np.array(1,2,3)

Tailles des groupes : 26, 31, 40, 50, 53

Analyse de grappes en Python

Impact des graines : graphiques

Graine : np.array(1000, 2000)

Graine : np.array(1,2,3)

Analyse de grappes en Python

Groupes uniformes avec k-means

Analyse de grappes en Python

Groupes uniformes avec k-means : comparaison

K-means avec 3 groupes

Regroupement hiérarchique avec 3 groupes

Analyse de grappes en Python

À retenir

  • Chaque technique a ses avantages et limites
  • Tenez compte de la taille et des motifs de vos données avant de choisir l'algorithme
  • Le regroupement est une étape exploratoire de l'analyse
Analyse de grappes en Python

À suivre : exercices

Analyse de grappes en Python

Preparing Video For Download...