Glossaire IA

📂

sous-catégories

K-means Clustering

Algorithme de partitionnement itératif qui regroupe les données en K clusters en minimisant la variance intra-cluster.

7 termes

📂

sous-catégories

Clustering Hiérarchique

Méthode qui construit une hiérarchie de clusters par approche ascendante (agglomérative) ou descendante (divisive).

3 termes

📂

sous-catégories

DBSCAN

Algorithme de clustering basé sur la densité qui identifie des clusters de formes arbitraires et détecte les outliers.

4 termes

📂

sous-catégories

Analyse en Composantes Principales (ACP/PCA)

Technique de réduction dimensionnelle linéaire qui projette les données sur les axes de variance maximale.

7 termes

📂

sous-catégories

t-SNE

Algorithme de réduction dimensionnelle non-linéaire spécialisé dans la visualisation de données haute dimension.

5 termes

📂

sous-catégories

UMAP

Technique moderne de réduction dimensionnelle préservant mieux la structure globale que t-SNE avec des calculs plus rapides.

6 termes

📂

sous-catégories

Clustering Spectral

Méthode utilisant les valeurs propres d'une matrice de similarité pour effectuer le clustering sur des données non-convexes.

11 termes

📂

sous-catégories

Autoencodeurs

Réseaux de neurones non-supervisés qui apprennent une représentation compressée des données via encodage-décodage.

8 termes

📂

sous-catégories

Clustering par Modèles de Mélange

Approche probabiliste modélisant les données comme mélange de distributions gaussiennes pour un clustering souple.

15 termes

📂

sous-catégories

Factorisation de Matrices

Technique de réduction dimensionnelle décomposant une matrice en produits de matrices de rang inférieur.

15 termes

📂

sous-catégories

Clustering Flou (Fuzzy C-means)

Variante du clustering où chaque point peut appartenir à plusieurs clusters avec différents degrés d'appartenance.

17 termes

📂

sous-catégories

Isomap

Algorithme d'apprentissage de variétés préservant les distances géodésiques pour la réduction dimensionnelle.

11 termes

📂

sous-catégories

LDA (Latent Dirichlet Allocation)

Modèle probabiliste pour la réduction dimensionnelle et clustering dans l'analyse de textes et topic modeling.

10 termes

📂

sous-catégories

OPTICS

Extension de DBSCAN produisant un ordre de clustering permettant d'identifier des structures à densités variables.

2 termes

📂

sous-catégories

Sélection de Variables (Feature Selection)

Réduction dimensionnelle par sélection des variables les plus pertinentes plutôt que création de nouvelles combinaisons.

2 termes