Algorithmes de regroupement
Explorez 14 termes d'IA dans les algorithmes de clustering
Clustering agglomératif
Le clustering agglomératif est une méthode de clustering hiérarchique qui regroupe les points de données en fonction de leur proximité.
Représentation du centroïde
La représentation par centroïde est une méthode pour résumer des données par leur point central dans diverses applications, notamment en apprentissage automatique.
Algorithme DBScan
DBScanDBScan est un algorithme de regroupement basé sur la densité qui identifie des clusters dans des données spatiales.
Métrique de distance
Une métrique de distance quantifie la proximité entre deux points de données dans un espace donné.
Méthode du coude
La méthode du coude est une technique pour déterminer le nombre optimal de clusters dans un ensemble de données.
Clustering Fuzzy C-Means
FCMLe clustering par Fuzzy C-Means est un algorithme de regroupement qui permet aux points de données d'appartenir à plusieurs clusters avec des degrés d'appartenance variables.
Clustering Hiérarchique Agglomératif
HACLe clustering hiérarchique agglomératif (HAC) est une méthode d'analyse de regroupement qui cherche à construire une hiérarchie de clusters.
Distance intra-cluster
La distance intraclasse mesure la distance moyenne entre les points d'un cluster, indiquant cohésion et densité.
Clustering K-Means
K-MoyennesLa segmentation K-Means est un algorithme populaire utilisé pour regrouper des données en clusters distincts en fonction de leur similarité.
K-Means Plus Plus
K-Means++K-Means Plus Plus est un algorithme avancé pour l'initialisation de la méthode de clustering K-Means, améliorant la vitesse de convergence et la qualité du clustering.
Clustering K-Medoids
Le clustering K-Medoids est une technique de regroupement de données qui identifie des objets représentatifs d'un ensemble de données, en minimisant la distance entre les points.
Facteur d'Outlier Local
LOFLe facteur de détection d'anomalies local (LOF - Local Outlier Factor) identifie les valeurs aberrantes dans les données en mesurant la déviation de la densité locale de chaque point de données.
Algorithme de décalage moyen
L'algorithme de décalage moyen est une technique de clustering utilisée pour identifier des régions denses dans les données en déplaçant itérativement les points de données vers la moyenne.
Coupe normalisée
NcutLa coupe normalisée est une méthode basée sur un graphe pour la segmentation d'images et le clustering en IA.