Comment obtenir les partitions des classes K-means ?

Bonjour,

Je dois implémenter l'algorithme K-means mais je n'ai pas encore compris son fonctionnement.
Nous avons fait un exemple simple :
On a, les données suivantes :
a(1,1) ; b(1,2) ; c(1,3)
d(3,2) ; e(4,2) ; f(5,2)
1) Choisir K =2
2) Les classes sont :
A (a,b,c,d,e)
B(f)

Je m'arrête ici parce que je ne comprends pas comment on a choisit les données des classes, le K a été choisit aléatoirement mais à l'étape 2 je ne comprends pas si c'est aléatoire au début ou pas.

Merci

Salut

les données ne sont pas aléatoire c'est tous simplement les tiennes qui sont reprise et traité

Dans un premier temps il faut trouver tes valeurs mini et valeur maxi
celle-ci définirons deux groupe


reprenons ton exemples écris différemment

Citation:

---

SUJET	VALUE 1	VALUE 2
a	1	1
b	1	2
c	1	3
d	3	2
e	4	2
f	5	2

---

recherche du mini et du maxi en utilisant la mesure de distance euclidienne
Ce qui nous donne effectivement

Citation:

---

	Individue	Vecteur	Distance euclidienne
Group 1	a	(1,1)	0
Group 2	f	(5,2)	3

---

Les individus restants sont maintenant examinés dans l'ordre et attribuées au groupe auquel ils sont les plus proches,
en termes de distance euclidienne à la grappe moyenne.
Le vecteur moyen est recalculée chaque fois qu'un nouveau membre est ajouté.
Cela conduit à la succession des étapes suivantes:

Citation:

---

Etape	Individue C1	Vecteur Moyen C1	Individue C2	Vecteur Moyen C2
1	a	(1,1)	f	(5,2)
2	a,b	(1,1.5)	f	(5,2)
3	a,b	(1,1.5)	f,c	(3,2.5)
4	a,b,d	(1.66,1.66)	f,c	(3,2.5)
5	a,b,d	(1.66,1.66)	f,c,e	(3.33,2.33)

---

une fois calculé tes différents element tu obtient donc une tableau sous la forme

Citation:

---

	Individue	Vecteur Moyen
cluster 1	a,b,d	(1.66,1.66)
cluster 2	f,c,e	(3.33,2.33)

---

et ainsi de suite