Référence : Tan, chapitres 7 et 8 ; Géron, chapitre 9 ; ISLR, chapitre 12.

Contenus :

•       Objet de l'apprentissage non supervisé et difficulté de son évaluation

•       Algorithme des k-moyennes : principe, convergence, sensibilité à l'initialisation

•       Choix du nombre de groupes : méthode du coude, coefficient de silhouette

•       Classification hiérarchique ascendante et lecture d'un dendrogramme

•       Critères de liaison et choix du niveau de coupure

•       Partitionnement fondé sur la densité et traitement des formes non convexes

•       Modèles de mélanges gaussiens et affectation probabiliste

•       Évaluation d'une partition : indices internes et externes

•       Caractérisation et interprétation métier des groupes obtenus

•       Applications : segmentation de clientèle, regroupement de documents, détection d'anomalies

Objectifs pédagogiques :

•       Mettre en œuvre les principaux algorithmes de partitionnement

•       Choisir le nombre de groupes par des méthodes convergentes

•       Évaluer la qualité d'une partition et reconnaître l'absence de structure

•       Interpréter les groupes obtenus dans les termes du domaine