Séance de cours

Algorithmes de regroupement: K-Means vs le regroupement spectral

Description

Cette séance de cours couvre deux principaux algorithmes de regroupement : K-Means et Spectral Clustering. K-Means est une méthode populaire pour partitionner les données en grappes basées sur la distance euclidienne, tandis que Spectral Clustering est plus flexible et n'assume pas des formes de grappes spécifiques. La séance de cours examine l'importance de choisir le bon nombre de clusters et l'initialisation optimale pour K-Means, ainsi que le choix de la mesure de similarité et le nombre de clusters pour Spectral Clustering. Parmi les exemples pratiques, mentionnons le regroupement d'élèves en fonction de leur effort et de leur proactivité dans un milieu de classe inversé.

À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.