Une doctorante applique successivement trois algorithmes aux mêmes données. k-means lui donne cinq groupes. Un modèle de mélange, trois. HDBSCAN, deux. Lequel est le bon ? Avant d’aller plus loin, ce qu’il vous faut en main. Votre carnet de bord, celui de ce module : chaque pause de la vidéo y a son cadre. Le livre Constellations, ouvert au chapitre de ce module. Et votre espace compagnon, CST-05, sur ProGera. Avant d’aller plus loin : lequel des trois résultats retiendriez-vous, et pourquoi ? Mettez la vidéo en pause, et notez votre réponse dans votre carnet. Votre contrat pour ce module. Lire la définition implicite d’un groupe dans chaque famille d’algorithmes. Appliquer la classification de Ward, k-means, et leur combinaison. Comparer les modèles de mélange, les méthodes à densité et les graphes. Et choisir une famille selon la forme attendue des classes, et selon votre usage. La question « lequel est le bon ? » est mal posée. Choisir un algorithme, c’est choisir une définition de ce qu’est un groupe. Ce module apprend à choisir la définition avant l’algorithme. Objectif de l’épisode : reconnaître ce que chaque famille appelle un groupe. Pour les centroïdes, comme k-means : des points proches d’un centre. Des groupes compacts et sphériques. Pour la classification hiérarchique : le résultat de fusions successives des objets les plus proches. Pour les modèles de mélange : une distribution de probabilité. Pour les méthodes à densité : une région dense, séparée des autres…