La méthode des k-means (L3 analyse de données)
La méthode des k-means est l'algorithme de clustering par partition le plus répandu. En L3 du parcours data pour économistes, dans le cours d'analyse de données, les QCM CampusQCM en…

methode-des-k-means
La méthode des k-means est l'algorithme de clustering par partition le plus répandu. En L3 du parcours data pour économistes, dans le cours d'analyse de données, les QCM CampusQCM en testent le fonctionnement. Le clustering non supervisé cherche à regrouper des observations similaires sans…
La méthode des k-means est l'algorithme de clustering par partition le plus répandu. En L3 du parcours data pour économistes, dans le cours d'analyse de données, les QCM CampusQCM en testent le fonctionnement. Le clustering non supervisé cherche à regrouper des observations similaires sans étiquette préalable. Les k-means partitionnent les données en $k$ groupes (clusters) fixés à l'avance, de façon à minimiser l'inertie intra-classe, c'est-à-dire la somme des carrés des distances des points à leur centre de classe (centroïde). L'algorithme est itératif : (1) on initialise $k$ centroïdes (souvent au hasard) ; (2) on affecte chaque point au centroïde le plus proche (au sens de la distance euclidienne) ; (3) on recalcule chaque centroïde comme la moyenne des points de son cluster ; (4) on répète les étapes 2 et 3 jusqu'à stabilisation. L'algorithme converge vers un minimum local, qui dépend de l'initialisation : on le relance plusieurs fois (ou on utilise k-means++ pour mieux initialiser). Le choix du nombre de clusters $k$ est un enjeu : on utilise la méthode du coude (tracer l'inertie intra en fonction de $k$ et repérer le coude) ou le score de silhouette. Les k-means supposent des clusters sphériques de tailles comparables et sont sensibles aux valeurs aberrantes et à l'échelle des variables (d'où l'importance de standardiser). C'est une méthode rapide et simple, complémentaire de la classification hiérarchique.
Objectifs d'apprentissage
- Comprendre le clustering par partition
- Définir l'inertie intra-classe
- Décrire l'algorithme des k-means
- Comprendre la convergence vers un optimum local
- Choisir le nombre de clusters
Concepts clés à maîtriser
Clustering par partition
EssentielCentroïde
EssentielInertie intra-classe
EssentielAlgorithme itératif
EssentielAprès une étape d'affectation de k-means, un groupe contient les points (0, 0), (3, 0) et (3, 6), tous de même poids. Quel est son nouveau centroïde ?

Auteurs et références
- MacQueen, J. (1967) — Some Methods for Classification and Analysis of Multivariate Observations, Berkeley Symposium
- Lloyd, S. (1982) — Least Squares Quantization in PCM, IEEE Transactions on Information Theory
- Hastie, T.; Tibshirani, R.; Friedman, J. (2009) — The Elements of Statistical Learning, Springer
Pièges fréquents à éviter
Un point (2, 3) est comparé aux centres C1 = (0, 3) et C2 = (2, 0), en distance euclidienne. Quelle affectation minimise sa contribution à l'inertie k-means ?

Questions types d'examen
- Qu'est-ce que le clustering par partition ?
- Qu'est-ce qu'un centroïde ?
- Qu'est-ce que l'inertie intra-classe ?
- Comment fonctionne l'algorithme des k-means ?
- Comment choisit-on le nombre de clusters ?
À retenir
Les k-means partitionnent en k clusters en minimisant l'inertie intra-classe (distances aux centroïdes). L'algorithme alterne affectation au centre le plus proche et recalcul des centres jusqu'à stabilité, convergeant vers un optimum local (relancer / k-means++). On choisit k par la méthode du coude. Standardiser d'abord. L'examinateur attend l'algorithme et l'inertie intra.
Notions liées à approfondir
Teste tes connaissances
5 questions disponibles
Choisis ton mode et entraîne-toi avec des corrections détaillées.
Questions fréquentes
Qu'est-ce que methode-des-k-means en analyse-donnees ?
La méthode des k-means est l'algorithme de clustering par partition le plus répandu. En L3 du parcours data pour économistes, dans le cours d'analyse de données, les QCM CampusQCM en testent le fonctionnement. Le clustering non supervisé cherche à regrouper…
Combien de questions sont disponibles ?
CampusQCM propose 5 questions corrigées sur methode-des-k-means avec explications pédagogiques détaillées.
Comment réviser methode-des-k-means efficacement ?
Commencez par le mode Révision, lisez les corrections, refaites les erreurs après quelques jours, puis passez en mode Examen.
Ce QCM est-il adapté au programme de L2 ?
Oui, nos questions correspondent au programme officiel de L2 du cursus Data econometrie avancee.
Les QCM fonctionnent-ils sur mobile ?
Oui, CampusQCM est entièrement optimisé pour smartphones et tablettes. Révisez methode-des-k-means où que vous soyez, vos scores se synchronisent entre vos appareils.
Les QCM sont-ils gratuits ?
Oui, tous nos QCM sont entièrement gratuits. Créer un compte vous permet de sauvegarder vos scores et suivre votre progression, mais ce n'est pas obligatoire.