Version imprimable
Salut à tous.
J'ai un nombre important (des milliers) de données vectorielles. Je dois les partitionner en des sous-ensembles et manipuler les représentants de ces sous-ensembles. Sachant que je n'ai aucune connaissance à priori sur les classes des données.
Je n'arrive pas à choisir un algorithme qui fait un bon compromis entre la rapidité et un partitionnement de bonne qualité, d'où ma question.
Bonjour,
Je vois de la prose, des mots en gras, mais pas de question. Quelle est-elle ?Citation:
d'où ma question.
Quelles sont les "manipulations" que tu évoques ?
J'ai dit que je n'arrive pas à choisir entre beaucoup d'algorithmes de clustering. Par exemple, j'ai lu que K-means est trop lent et dépend du K qu'on doit fixer au préalable. Il y a beaucoup algorithmes, je demande donc l'avis des gens pour me conseiller.
PS : Les phrases en gras indiquent des informations que je juge importantes. Par "question" je parle de la discussion elle-même.
Il n'y a pas vraiment de méthode de clustering "universelle", la façon dont on fait les groupes dépend de la structure des données (et de leur nombre) et de ce qu'on veut faire avec ces groupes.
as tu essayé pvclust, c'est un package de R qui fait du clustering, il y a déjà plusieurs publications qui l'ont utilisé...
Merci. Je ne connais pas, je vais voir.
Salut à tous.
Si on prend le K-Means, selon votre expérience, qu'elle est la méthode la plus rapide qui permet de trouver le bon nombre de clusters (K), du moins, d'une façon qui se rapproche de l'optimal ?