slide pour le clustering : methode hiérarchique

1. Clustering: Méthode
hiérarchique
Par Yassine Mhadhbi & Rached Ghouma
1

2.  C’est quoi le Clustering ?
 Clustering méthode hiérarchique vs non hiérarchique.
 Clustering méthode hiérarchique.
 Clustering méthode hiérarchique ascendante.
 Clustering méthode hiérarchique descendante.
2

3. C’est quoi le Clustering ?
 Réduire le nombre d’observations (individus) en les
regroupant en classes homogènes et différenciées.
 Regrouper les individus en classes avec une grande
homogénéité intra-classes et une forte hétérogénéité
inter-classes.
 Obtenir une segmentation avec un profil diffèrent pour
chaque classe.
3

4. C’est quoi le Clustering ?
 Donc il existe deux types de méthodes de Clustering :
 Clustering méthode hiérarchique.
 Clustering méthode non hiérarchique.
4

5. C’est quoi le Clustering ?
5

6. Clustering méthode hiérarchique vs non
hiérarchique
 Le nombre d’individus doit être au moins deux fois
supérieur au nombre de variables.
 N’est pas adaptée pour un grand nombre d’individus.
 On ne définit pas a priori le nombre de classes.
 Nécessite la fixation préalable du nombre de classes.
 Plus intéressante si le nombre d’individus est assez
important.
 Regrouper un nuage de points (individus) en classes
homogènes.
6

7. Clustering méthode hiérarchique
 Clustering méthode hiérarchique est basé sur le calcul des
distances.
 Calcul des distances entre groupes d’individus :
La méthode du saut minimal.
La méthode du diamètre.
La distance moyenne.
La méthode de Ward.
7

8. Clustering méthode hiérarchique
ascendante
 Méthode ascendante Des individus au groupe
 C'est une méthode de classification automatique utilisée
en analyse des données à partir d'un ensemble de n
individus, son but est de répartir ces individus dans un
certain nombre de classe.
 La méthode suppose qu'on dispose d'une mesure de
dissimilarité entre les individus. dans le cas de points
situés dans un espace euclidien, on peut utiliser la
distance comme mesure de dissimilarité.
8

9. Dendrogramme
est un diagramme
fréquemment utilisé pour
illustrer l'arrangement de
groupes générés par un
regroupement
hiérarchique ou
hiérarchisant.
9

10. Par agglomération : Bottom-up
 Chaque objet constitue un cluster.
 Regrouper les objets (clusters) les plus proches (distance)
en des clusters.
 Jusqu'à arriver à un concept sommet.
10

11. Par agglomération : Bottom-up
11

12. Clustering méthode hiérarchique
descendante : par divisions = top-down
 Tous les objets constituent un unique cluster.
 Séparer les objets (clusters) les plus dissimilaires (grande
distance, par exemple la méthode de diamètre).
 Tous les objets sont des concepts feuilles
12

13. Clustering méthode hiérarchique
descendante : par divisions = top-down
 Nous avons obtenu Dataset qui contient 12 observation
pour des individu qui note les chaine de télévision sur 10
 À l’aide de langage de programmation R nous avons fait
quelques prétraitement comme normalisation de données
avec fonction Scale
 À l’aide de la fonction hclust nous avons fait une
classification et il nous produit cet dendogramme
13

14. 14

15. 15

16. 16

17. webographie
 https://fr.wikipedia.org/wiki/Regroupement_hi%C3%A9rarchique
 https://datascienceplus.com/hierarchical-clustering-in-r/
 https://www.rdocumentation.org/packages/BBmisc/versions/1.10/topics/nor
malize
 https://www.rdocumentation.org/packages/base/versions/3.5.1/topics/scale
 https://www.r-bloggers.com/hierarchical-clustering-in-r-2/
17

18. Merci pour votre attention
18