Scribd
Importer
34 vues1 page

TP3 DM

Le document présente un module d'analyse et de fouille de données axé sur la méthode de clustering K-means. Il contient des exercices pratiques pour appliquer K-means sur des ensembles de données, y compris l'importation de données, la normalisation avec le Z-score, et l'évaluation de la qualité des clusters. Les étudiants doivent utiliser les bibliothèques sklearn et matplotlib pour réaliser ces tâches.

Transféré par

nourheneghouili
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
34 vues1 page

TP3 DM

Le document présente un module d'analyse et de fouille de données axé sur la méthode de clustering K-means. Il contient des exercices pratiques pour appliquer K-means sur des ensembles de données, y compris l'importation de données, la normalisation avec le Z-score, et l'évaluation de la qualité des clusters. Les étudiants doivent utiliser les bibliothèques sklearn et matplotlib pour réaliser ces tâches.

Transféré par

nourheneghouili
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

Module : Analyse et fouille de données

Responsable du Cours: Yosra Jarraya Auditoire: D-LBC BI


Enseignante TP: Yosra Jarraya A-U: 2024-2025

TP3 : Méthode de clustering : K-means

K-means :
C’est un algorithme de classification non supervisé, qui permet de classifier les données en des clusters
(groupes) selon leur similarité (ressemblance).

Exercice N° 1 :

1) Importer les données du fichier « Données » dans un DataFrame


2) Appliquer la méthode K-means sur ces données et chercher les centres pour 3 clusters puis
pour 4 clusters.
Pour ce faire, importer le module ‘’sklearn’’ pour appliquer le K-means clustering et le module
‘’matplotlib’’ pour créer les graphiques.

Exercice N° 2 :

1) Importer les données du fichier « Fromage » dans un DataFrame X


2) Effectuer une étape de normalisation des données en utilisant la méthode de normalisation du
Z-score. Construire Z, la matrice centrée réduite de X.
3) Appliquer sur Z la méthode K-means de la bibliothèque sklearn pour regrouper les individus en
4 clusters. Afficher les coordonnées de chaque centroïde et l’inertie associée.
4) Afficher les étiquettes des individus en sortie.
5) Evaluer la qualité des regroupements lorsque K varie entre 2 et 10 en se basant sur la méthode
de coude (Elbow Method). Déduire K optimal.

Vous aimerez peut-être aussi