Article précédent
Apprentissage Statistique SuperviséArticle de référence | Réf : H5012 v1
ARTICLE INTERACTIF
Auteur(s) : Bruno SAUVALLE
Date de publication : 10 janv. 2020
Article suivant
Systèmes à bases de connaissancesCet article fait partie de l’offre
Technologies logicielles Architectures des systèmes (215 articles en ce moment)
Cette offre vous donne accès à :
Une base complète et actualisée d'articles validés par des comités scientifiques
Un service Questions aux experts et des outils pratiques
Des Quiz interactifs pour valider la compréhension et ancrer les connaissances
Quitter la lecture facile
2.1 Applications du clustering
L’objet du clustering est de regrouper une série d’enregistrements, que ceux-ci soient des vecteurs, des images, ou des objets plus complexes, en groupes, ou clusters. Généralement, l’objectif fixé pour ce type d’algorithme est de faire en sorte que les objets qui ont été affectés dans un même cluster soient similaires entre eux. Il s’agit donc simplement de répartir les objets en groupes les plus homogènes possible. Il convient cependant d’être conscient du fait que cette définition est fragile, voire insuffisante :
le clustering implique de choisir d’une façon ou d’une autre un critère de similarité entre objets. Lorsque l’on considère des vecteurs réels, en faible dimension, ce choix sera relativement facile, par exemple la distance euclidienne. Si, par contre, on doit effectuer du clustering sur des objets de grande dimension (des images, des sons) ou sur des données qui ne sont pas naturellement représentées par des nombres réels (des mots ou des phrases par exemple), le choix de ce critère de similarité devient beaucoup plus complexe et peut nécessiter de rechercher au préalable une représentation plus simple de ces objets ;
le clustering peut aussi avoir pour objet d’identifier les zones de forte densité d’une distribution de données, et si ces zones sont étendues, un même cluster pourra contenir des objets très éloignés les uns des autres, quelle que soit la définition prise du critère de similarité.
De façon plus générale, un consensus s’est formé dans le domaine du machine learning sur le fait qu’il serait vain de rechercher une définition et un algorithme unique en matière de clustering, dans la mesure où ce type d’algorithme se heurte à un théorème d’impossibilité, le théorème de Kleinberg , qui stipule qu’il n’existe aucun algorithme de clustering satisfaisant trois conditions qui paraissent pourtant assez naturelles. Considérons un ensemble S de...
Vous êtes abonné à cette offre ?
Connectez-vous !
Vous souhaitez découvrir cette offre ?
Cet article est inclus dans l'offre :
TECHNOLOGIES LOGICIELLES ARCHITECTURES DES SYSTÈMES
(1) - KARRAS (T.), LAINE (S.), AILA (T.) - A Style-Based Generator Architecture for Generative Adversarial Networks - (2018).
(2) - KLEINBERG (J.) - An Impossibility Theorem for Clustering, - in NIPS (2002).
(3) - ESTER (M.), KRIEGEL (H.P.), SANDER (J.), XU (X.) - A Density-Based Algorithm for Discovering Clusters in Large Spatial Databases with Noise, - in KDD-96 Proceedings, p. 226-231 (1996).
(4) - TENENBAUM (J.B.), de SILVA (V.), LANGFORD (J.C.) - A Global Geometric Framework for Nonlinear Dimensionality Reduction, - SCIENCE, vol. 290, p. 2319 (2000).
(5) - ROWEIS (S.T.), SAUL (L.K.). - Nonlinear Dimensionality Reduction by Locally Linear Embedding, - SCIENCE, vol. 290, p. 2323-2326 (2000).
(6) - HINTON (G.E.), SALAKHUTDINOV (R.R.) - Reducing...
Pour les calculs ne faisant pas appel au deep learning et portant sur des volumes de données ne nécessitant pas un recours au calcul distribué, les deux outils logiciels de référence sont scikit-learn et R
La bibliothèque Spark Mlib comprend une adaptation de principaux algorithmes de machine learning (hors deep learning) à un environnement distribué et permettant donc le traitement de volumes de données très importants.
Pour ce qui concerne le deep learning, on citera les outils pytorch et tensorflow/ Keras. De très nombreux exemples de modèles pré-entraînés ainsi que les codes sources associés sont disponibles en libre accès sur la plateforme github.
HAUT DE PAGE
Conférences annuelles :
International Conference on Learning Representations ( https://iclr.cc/)
Conference on Neural Information Processing Systems ( https://nips.cc/)
Conference on Computer Vision and Pattern Recognition
International Conference on Machine Learning ( https://icml.cc/)
HAUT DE PAGE
QUIZ ET TEST DE VALIDATION PRÉSENTS DANS CET ARTICLE
Entraînez vous autant que vous le voulez avec les quiz d'entraînement.
Lorsque vous êtes prêt, vous passez le test de validation. Vous avez deux passages possibles dans un laps de temps de 30 jours.
Entre les deux essais, vous pouvez consulter l’article et réutiliser les quiz d'entraînement pour progresser. L’attestation vous est délivrée pour un score minimum de 70 %.
DÉTAIL DE L'ABONNEMENT :
TOUS LES ARTICLES DE VOTRE RESSOURCE DOCUMENTAIRE
Accès aux :
Articles et leurs mises à jour
Nouveautés
Archives
Articles interactifs
Formats :
HTML illimité
Versions PDF
Site responsive (mobile)
Info parution :
Toutes les nouveautés de vos ressources documentaires par email
DES ARTICLES INTERACTIFS
Articles enrichis de quiz :
Expérience de lecture améliorée
Quiz attractifs, stimulants et variés
Compréhension et ancrage mémoriel assurés
DES SERVICES ET OUTILS PRATIQUES
Votre site est 100% responsive, compatible PC, mobiles et tablettes.
FORMULES
| Formule monoposte | Autres formules | |
|---|---|---|
| Ressources documentaires | ||
| Consultation HTML des articles | Illimitée | Illimitée |
| Quiz d'entraînement | Illimités | Illimités |
| Téléchargement des versions PDF | 5 / jour | Selon devis |
| Accès aux archives | Oui | Oui |
| Info parution | Oui | Oui |
| Services inclus | ||
| Questions aux experts (1) | 4 / an | Jusqu'à 12 par an |
| Articles Découverte | 5 / an | Jusqu'à 7 par an |
| Dictionnaire technique multilingue | Oui | Oui |
|
(1) Non disponible pour les lycées, les établissements d’enseignement supérieur et autres organismes de formation. |
||
| AJOUTER AU PANIER | DEMANDER UN DEVIS | |
Information
Quiz d'entraînement bientôt disponible
