Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
CF Tree (Clustering Feature Tree)
Structure de données arborescente au cœur de BIRCH, stockant des résumés statistiques (Clustering Features) dans ses nœuds pour représenter de manière compacte des sous-clusters.
Clustering Feature (CF)
Un triplet (N, LS, SS) qui résume statistiquement un sous-cluster, où N est le nombre de points, LS la somme linéaire des points et SS la somme des carrés des points.
Seuil de diamètre (Threshold)
Paramètre BIRCH définissant le diamètre maximal d'un sous-cluster dans une feuille de l'arbre CF, contrôlant la granularité du résumé de clustering.
Facteur de branchement (Branching Factor)
Paramètre limitant le nombre d'entrées (enfants) par nœud dans l'arbre CF, influençant la taille et la forme de l'arbre pour optimiser les performances.
Micro-clustering
Phase initiale de BIRCH où les points de données sont organisés en micro-clusters, représentés par les entrées des feuilles de l'arbre CF.
Macro-clustering
Phase finale de BIRCH appliquant un algorithme de clustering (comme K-Means) sur les micro-clusters (feuilles de l'arbre CF) pour générer les clusters finaux.
Résumé incrémental
Capacité de BIRCH à mettre à jour l'arbre CF avec de nouveaux points de données sans nécessiter de recalcul complet depuis le début, idéal pour les flux de données.
Distance additive CF (CF Additive Distance)
Métrique de distance utilisée dans BIRCH pour mesurer la proximité entre deux Clustering Features, calculable directement à partir de leurs résumés statistiques sans accéder aux points originaux.
Entrée de feuille (Leaf Entry)
Élément d'une feuille de l'arbre CF représentant un micro-cluster, contenant un Clustering Feature et un pointeur vers le nœud suivant dans la liste chaînée de feuilles.
Liste chaînée de feuilles (Leaf Linked List)
Structure dans l'arbre CF reliant toutes les feuilles pour un balayage séquentiel efficace lors de la phase de macro-clustering.
Absorption d'un point (Point Absorption)
Processus dans BIRCH où un nouveau point de données est intégré dans le micro-cluster le plus proche si l'ajout ne dépasse pas le seuil de diamètre.
Éclatement d'un nœud (Node Splitting)
Mécanisme déclenché dans BIRCH lorsque l'insertion d'un point ferait dépasser le seuil de diamètre ou le facteur de branchement, divisant le nœud pour maintenir les contraintes.
Phase de reconstruction (Rebuilding Phase)
Étape optionnelle dans BIRCH où l'arbre CF est reconstruit avec un seuil de diamètre plus faible pour augmenter la précision du clustering avant la phase finale.
Coût de calcul incrémental
Avantage clé de BIRCH, où le coût pour insérer un point de données est logarithmique par rapport au nombre de points, rendant l'algorithme très scalable.
Résumé de cluster (Cluster Summary)
Concept fondamental de BIRCH où un groupe de points est représenté par un résumé statistique (le CF) plutôt que par les points individuels, réduisant l'espace mémoire.