Clustering hiérarchique, méthode non supervisée du machine learning | Cycle avancé IA #9 скачать в хорошем качестве

Clustering hiérarchique, méthode non supervisée du machine learning | Cycle avancé IA #9

Ce cours est consacré à la méthode non supervisée de clustering hiérarchique en machine learning, également appelée partitionnement hiérarchique. Cette méthode permet de regrouper les échantillons dans une structure hiérarchique en fonction de leur similarité et d’identifier des classes dans les données. Le résultat d’un clustering hiérarchique se présente souvent dans une figure composée de plusieurs éléments : un ou deux dendrogrammes, une carte de chaleur (heatmap), une ou parfois plusieurs barres de couleurs qui apportent des informations complémentaires. A partir d’un exemple simple, notre objectif sera de comprendre étape par étape l’algorithme de clustering hiérarchique, d’interpréter le résultat en termes de clusters identifiés et de le présenter graphiquement. Intervenant : Ekaterina Flin, ingénieur en informatique, groupe EpiMed, Institut pour l’Avancée des Biosciences (IAB), Université Grenoble Alpes (UGA) #machine_learning #clustering #heatmap Table des matières 00:00 Introduction 00:18 Notion de clustering 00:46 Clustering hiérarchique et dendrogramme 01:17 Visualisation d’un clustering hiérarchique 01:38 Objectif du cours 01:50 Exemple : cancer du poumon 03:30 Formalisation mathématique 05:16 Algorithme de classification ascendante hiérarchique 07:33 Présentation des résultats 09:32 Application aux données réelles 10:41 Interprétation des résultats Liens : Démo d'un clustering hiérarchique avec Python :    • Démo - Clustering hiérarchique avec Python...   Cours sur l'analyse en composantes principales (ACP) :    • ACP - Analyse en composantes principales |...   Cours "Formalisme du machine learning, fonction de perte, optimisation" :    • Formalisme du machine learning, fonction d...