Le clustering : regrouper sans étiquettes (L3 Data économie)

Le clustering, ou classification non supervisée, regroupe des observations en classes homogènes sans variable cible préalable. En L3 du parcours data pour économistes, dans le cours de machine learning, les QCM CampusQCM testent cette famille de méthodes. Contrairement à l'apprentissage supervisé, on ne dispose pas d'étiquettes : l'objectif est de découvrir une…

Le clustering, ou classification non supervisée, regroupe des observations en classes homogènes sans variable cible préalable. En L3 du parcours data pour économistes, dans le cours de machine learning, les QCM CampusQCM testent cette famille de méthodes. Contrairement à l'apprentissage supervisé, on ne dispose pas d'étiquettes : l'objectif est de découvrir une structure cachée dans les données. Les groupes (clusters) doivent être homogènes en interne (faible inertie intra-classe) et bien séparés (forte inertie inter-classe). L'algorithme k-means partitionne les données en k groupes en minimisant la distance des points à leur centre (centroïde) : on alterne affectation au centre le plus proche et recalcul des centres, jusqu'à convergence. Il faut fixer k à l'avance, par exemple via la méthode du coude. La classification ascendante hiérarchique (CAH) construit un arbre (dendrogramme) en fusionnant successivement les groupes les plus proches, sans fixer k a priori. Le clustering sert à la segmentation (clients, territoires), à l'exploration et à la réduction de complexité. Le clustering est l'apprentissage non supervisé de référence.