Français
Menu

Qu'est-ce que Algorithme des k-moyennes (k-means) ?

Méthode de clustering courante qui répartit les données en un nombre k de clusters fixé à l'avance. On fixe provisoirement k centres, puis on répète, jusqu'à ce que les affectations ne changent plus, l'affectation de chaque donnée au cluster du centre le plus proche et le remplacement de chaque centre par la moyenne des données de son cluster. Simple à calculer, elle s'applique aussi aux grands volumes de données, mais son résultat dépend des valeurs initiales, k doit être choisi par l'utilisateur, et elle sépare mal les groupes qui ne sont pas sphériques.

Nom japonais: k平均法

« Algorithme des k-moyennes (k-means) » apparaît dans 1 questions d'entraînement réparties sur 1 thèmes, dont Bases de l'apprentissage automatique.

Domaine: Bases de l'apprentissage automatique

S'entraîner : questions sur Algorithme des k-moyennes (k-means)

Quelle description de la procédure de clustering par l'algorithme des k-moyennes (k-means) est correcte ?

  1. AOn part d'un seul cluster contenant toutes les données, et l'on détache une à une les données les plus éloignées des autres jusqu'à obtenir k clusters
  2. BOn fixe provisoirement k centres, on affecte chaque donnée au cluster du centre le plus proche, puis on prend la moyenne de chaque cluster comme nouveau centre, et l'on répète jusqu'à ce que les affectations ne changent plus
  3. CPour chaque donnée à classer, on cherche les k données d'apprentissage les plus proches et l'on décide de son cluster par vote majoritaire sur leurs étiquettes
Afficher la réponse et l'explication

Réponse : B. On fixe provisoirement k centres, on affecte chaque donnée au cluster du centre le plus proche, puis on prend la moyenne de chaque cluster comme nouveau centre, et l'on répète jusqu'à ce que les affectations ne changent plus

L'algorithme des k-moyennes fixe d'abord le nombre de clusters k, puis (1) choisit k centres, (2) affecte chaque donnée au cluster du centre le plus proche et (3) prend la moyenne des données de chaque cluster comme nouveau centre ; il répète (2) et (3) jusqu'à ce que les affectations ne changent plus. Le résultat dépend du choix des centres initiaux et peut s'arrêter sur une partition qui n'est pas la meilleure ; on l'exécute donc plusieurs fois avec des valeurs initiales différentes, ou l'on utilise une méthode d'initialisation comme k-means++. La valeur de k n'est pas déterminée automatiquement : on la choisit en s'aidant par exemple de la méthode du coude.

« Algorithme des k-moyennes (k-means) » dans les explications

Questions mentionnant « Algorithme des k-moyennes (k-means) » (1)

  1. Quelle description de la procédure de clustering par l'algorithme des k-moyennes (k-means) est correcte ?

Termes associés

Analyse en composantes principales (ACP) Apprentissage non supervisé Apprentissage par renforcement Apprentissage par transfert (transfer learning) Apprentissage supervisé Descente de gradient (gradient descent) Fonction d'activation Matrice de confusion Précision et rappel (precision and recall) Régularisation

Retour au glossaire