KI-Glossar
Das vollständige Wörterbuch der Künstlichen Intelligenz
K-Means++
Variante de K-Means utilisant une méthode d'initialisation intelligente qui sélectionne les centroïdes initiaux éloignés les uns des autres, réduisant significativement le risque de convergence vers un optimum local.
Algorithme de Lloyd
Implémentation classique de l'algorithme K-Means consistant en deux phases répétées : assignation des points aux centroïdes les plus proches, puis recalcul des centroïdes comme moyennes des points assignés.
Medoid
Point de données réel au sein d'un cluster qui minimise la somme des distances à tous les autres points du même cluster, utilisé comme centre dans l'algorithme K-Medoids.
Variance inter-cluster
Mesure de séparation entre les clusters calculée comme la somme pondérée des carrés des distances entre les centroïdes des clusters et le centroïde global de toutes les données.
Coefficient d'appartenance floue
Valeur entre 0 et 1 dans Fuzzy C-Means indiquant le degré d'appartenance d'un point à un cluster spécifique, avec la contrainte que la somme de ces coefficients pour un point donné égale 1.
Itération d'assignation
Phase de K-Means où chaque point de données est assigné au cluster dont le centroïde est le plus proche selon la métrique de distance utilisée, typiquement la distance euclidienne.
Mise à jour des centroïdes
Phase de recalcul dans K-Means où chaque centroïde est repositionné comme la moyenne arithmétique de tous les points actuellement assignés à son cluster respectif.