AI-ordlista
Den kompletta ordlistan över AI
Clustering Basé sur la Grille
Approche qui quantifie l'espace des objets en un nombre fini de cellules formant une grille, puis effectue le clustering sur cette structure de grille plutôt que sur les données brutes.
Clustering Modèle
Méthode qui suppose que les données sont générées par un mélange de distributions probabilistes sous-jacentes, cherchant à identifier les paramètres de ces distributions.
Mélange de Gaussiennes (GMM)
Modèle probabiliste qui suppose que les données proviennent d'un mélange d'un nombre fini de distributions gaussiennes, utilisant l'algorithme EM pour l'estimation des paramètres.
Indice de Davies-Bouldin
Métrique d'évaluation interne qui mesure la qualité d'un clustering en calculant le ratio moyen de la dispersion intra-cluster sur la distance inter-cluster.
Clustering Flou (Fuzzy C-Means)
Variante du K-Means où un point de données peut appartenir à plusieurs clusters avec des degrés d'appartenance variables, plutôt qu'une affectation stricte à un seul cluster.
Algorithme des K-Medoïdes
Alternative au K-Means qui utilise des medoïdes (points de données réels existants) comme centres de clusters, le rendant plus robuste aux bruits et aux valeurs aberrantes.
Clustering par Affinité Propagation
Algorithme qui identifie des 'exemplaires' au sein de l'ensemble des données en échangeant des messages de similarité entre les paires de points, sans nécessiter de nombre de clusters prédéfini.
Clustering par DenStream
Algorithme de clustering par densité conçu pour les flux de données, capable de gérer des concepts évolutifs en distinguant les clusters potentiels des pures aberrations.