Apprentissage non supervisé : clustering, réduction de dimension (L3 machine learning)

L'apprentissage non supervisé cherche à découvrir une structure cachée dans des données sans variable cible. En L3 du parcours data pour économistes, dans le cours de machine learning, les QCM CampusQCM en synthétisent les deux grandes tâches. La première est le clustering (partitionnement) :…

L'apprentissage non supervisé cherche à découvrir une structure cachée dans des données sans variable cible. En L3 du parcours data pour économistes, dans le cours de machine learning, les QCM CampusQCM en synthétisent les deux grandes tâches. La première est le clustering (partitionnement) : regrouper les observations en classes homogènes de sorte que les points d'un même groupe soient similaires et ceux de groupes différents dissemblables. Les algorithmes phares sont les k-means (partition en $k$ clusters minimisant l'inertie intra-classe), la classification ascendante hiérarchique (CAH, qui construit un dendrogramme) et des méthodes basées sur la densité comme DBSCAN, capables de détecter des clusters de forme arbitraire et des points aberrants. Le choix du nombre de clusters (méthode du coude, score de silhouette) et de la mesure de similarité est central. La seconde tâche est la réduction de dimension : résumer un grand nombre de variables corrélées en quelques dimensions, pour visualiser, compresser ou débruiter les données. L'analyse en composantes principales (ACP) est la méthode linéaire de référence ; pour la visualisation de structures non linéaires, on utilise des méthodes comme le t-SNE ou l'UMAP, qui préservent les voisinages locaux. Les deux tâches sont complémentaires et souvent enchaînées : on réduit d'abord la dimension, puis on clusterise dans l'espace réduit. L'évaluation est plus délicate qu'en supervisé, faute d'étiquettes : on s'appuie sur des indices internes (silhouette, inertie) ou sur l'interprétabilité métier. Retenir que clustering = regrouper et réduction de dimension = résumer, sans cible à prédire, est l'essentiel de ce cours de synthèse.