Formation Analyse des Clusters (Partitionnement de données) avec Python

Programme de notre formation Analyse des Clusters de Données

Introduction

• Qu’est-ce qu’un cluster ?
• La différence entre clusterisation et segmentation
• L’intérêt de l’analyse des clusters, les cas d’usage
• Les limites et les défis de la clusterisation

Les différentes méthodes de partitionnement de données

• K-means
• Mean-Shift
• Le DBSCAN (Regroupement spatial d’applications avec du bruit basé sur la densité)
• Algorithme espérance maximisation avec ou sans des modèles de mélange Gaussien (GMM)
• Regroupement hiérarchique

Présentation de Python

• Pourquoi utiliser Python ?
• Présentation de la librairie Scikit learn
• Utiliser des fonctions de librairies
• Gérer les modules et librairies

Commencer la programmation avec Python

• La syntaxe de Python
• Les variables
• Les différents types d’ensembles de données
  • Tuple
  • Liste
  • Set
  • Dictionnaire
• Les fonctions
• Écrire ses propres fonctions

Bien préparer ses données avec Python

• L’importance d’avoir des données intègres et préparées
• Lire et modifier des fichiers CSV
• Importer ses données
• Nettoyer et préparer ses données
• Formatage des données
• Construire des pipelines de données

K-Means Clustering

• Importer les modules sklearn
• Importer ses données
• Les paramètres
  • n_samples
  • centers
  • cluster_std
• La fonction make_blobs()
• Utiliser la standardisation
• Utiliser la fonction KMeans
• Les méthodes pour choisir le bon nombre de clusters
• Représenter les clusters graphiquement

Mean-Shift

• Importer MeanShift et make _blobs
• Déterminer les centres du cluster
• Représenter les données en 3D

DBSCAN

• Importer ses données
• Description des paramètres
• Clusteriser ses données
• Représenter ses regroupements de données graphiquement

Espérance-maximisation

• Concaténer des courbes gaussiennes
• Explication de l’algorithme d’espérance maximisation
• Représenter graphiquement ses partitions de données

Regroupement hiérarchique

• Préparer les données
• Calculer les informations de similarité entre chaque donnée
• Utiliser une fonction de liaison
• Déterminer la coupure de l’arbre hiérarchique

Analyser ses résultats

• Méthodes de validation des partitions
• Évaluation de la mise en grappes
• Améliorer ces clusters
• Mise en grappe basée sur les contraintes
  • Mesures établies sur l’appariement
  • Mesures basées sur l’entropie
  • Mesures par paires
• Mesures internes pour valider ses clusters
• La stabilité des grappes