Clustering: Apprentissage sans supervision

Cette séance de cours introduit le concept de clustering dans l'apprentissage automatique, en mettant l'accent sur des algorithmes tels que clustering hiérarchique, k-mediums, et clustering basé sur la densité. Il traite de l'importance des algorithmes de regroupement, des méthodes d'évaluation et des applications pratiques telles que la segmentation du marché, l'analyse des réseaux sociaux et la segmentation de l'image. La séance de cours explique également la notation utilisée pour le cluster, la signification des centroïdes et des médoïdes, et des mesures comme l'homogénéité, la séparabilité, l'indice Davies-Bouldin et le coefficient de silhouette pour l'évaluation de la qualité du cluster.