Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
K-means
Algorithme de partitionnement itératif qui assigne chaque point au centre de cluster le plus proche et recalcule les centres jusqu'à convergence.
Clustering Hiérarchique
Méthodes agglomératives ou divisives construisant un arbre de clusters (dendrogramme) par fusion ou division successives des groupes.
DBSCAN
Algorithme de clustering basé sur la densité identifiant les régions denses de points et marquant les points isolés comme bruit.
Clustering Spectral
Approche basée sur la théorie des graphes utilisant les valeurs propres de la matrice de similarité pour réduire la dimensionnalité avant clustering.
Gaussian Mixture Models
Modèle probabiliste supposant que les données sont générées par un mélange de plusieurs distributions gaussiennes avec des paramètres inconnus.
Mean Shift
Algorithme itératif déplaçant les points vers les modes de densité les plus proches pour identifier les centres de clusters naturels.
OPTICS
Extension de DBSCAN créant un ordre de clustering représentant la structure de densité à différentes échelles.
Clustering Flou
Approche permettant l'appartenance partielle des points à plusieurs clusters avec des degrés d'appartenance variables.
Affinity Propagation
Algorithme basé sur le passage de messages entre points pour identifier les exemplaires représentatifs comme centres de clusters.
BIRCH
Algorithme hiérarchique efficace pour grands ensembles de données construisant un arbre CF pour résumé incrémental des clusters.
Clustering par Flux
Techniques adaptatives pour le clustering de données continues arrivant en temps réel avec contraintes de mémoire et de temps.
Clustering par Grilles
Approche divisant l'espace de données en grilles et effectuant le clustering sur les cellules de grille plutôt que sur les points individuels.