Apprentissage automatique non supervisé: Clustering Basics

Cette séance de cours couvre les bases de l'apprentissage automatique non supervisé, en se concentrant sur les techniques de clustering telles que les moyennes K, les modèles de mélange gaussien et DBSCAN. L'instructeur explique comment ces algorithmes fonctionnent, leurs applications et les principales différences entre eux. En commençant par une introduction à l'apprentissage non supervisé, la séance de cours explore les détails de K-moyens, y compris l'algorithme, la mise en œuvre et les critères de convergence. Il passe ensuite aux modèles de mélange gaussien, en discutant du modèle gaussien, de la fonction de vraisemblance et de loptimisation des paramètres. Enfin, DBSCAN est présenté comme une méthode de clustering qui ne nécessite pas un nombre prédéfini de clusters, avec une explication détaillée de l'algorithme et de la sensibilité hyperparamétrique.