Clustering spectral : théorie et applications

Cette séance de cours couvre la théorie et les applications du clustering spectral, en commençant par la notion de décomposition spectrale et son application dans le clustering des variétés non linéaires. L'instructeur explique le processus de décomposition des valeurs propres dans PCA et Kernel PCA, en mettant en évidence la génération de partitions dans l'espace. La séance de cours se penche également sur la construction de la matrice laplacienne et son rôle dans l'identification des composants connectés dans un graphique. Des exercices pratiques démontrent les étapes impliquées dans le regroupement spectral, y compris la construction de graphiques de similarité, la mesure des distances et l'identification des grappes. La séance de cours se termine par une discussion sur l'équivalence du clustering spectral à d'autres incorporations non linéaires et sur l'utilisation du noyau PCA comme étape de pré-traitement avant les moyennes K du noyau.