Aller au contenu
uencoder

Hierarchical Clustering

Le clustering hiérarchique construit un arbre imbriqué de clusters (dendrogramme) ; l'approche agglomérative fusionne de bas en haut, l'approche divisive divise de haut en bas.

Objectif

Regrouper sans nombre de clusters prédéfini, révélant la structure hiérarchique des données.

Mécanisme

Agglomératif : chaque point démarre comme son propre cluster et l'on fusionne itérativement les paires les plus proches (lien simple/complet/moyen). Couper le dendrogramme à une distance donne différents nombres de clusters. Aucun K prédéfini n'est requis.

Cas d’usage

  • Taxonomie biologique
  • Clustering de documents
  • Découverte de hiérarchies

Termes associés

K-Means Clustering
K-Means partitionne les données en K clusters en minimisant la somme des distances au carré intra-cluster, en alternant affectation des points au centre le plus proche et mise à jour des centres aux moyennes des clusters.
GLOSSAIRE

References