Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                
Scribd Logo
Importer

Bienvenue sur Scribd !

  • 297 vues

    TD 2 Clustering

    Transféré par

    Sabrina Khlil
    Le document présente trois exercices sur le clustering de données. L'exercice 1 demande de regrouper des points avec l'algorithme K-means. L'exercice 2 demande de regrouper des employés avec la classification hiérarchique ascendante. L'exercice 3 propose un problème de prise de décision dans une entreprise à résoudre par clustering.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd

    TD 2 Clustering

    Transféré par

    Sabrina Khlil
    297 vues1 page
    Le document présente trois exercices sur le clustering de données. L'exercice 1 demande de regrouper des points avec l'algorithme K-means. L'exercice 2 demande de regrouper des employés avec la classification hiérarchique ascendante. L'exercice 3 propose un problème de prise de décision dans une entreprise à résoudre par clustering.

    Copyright

    © © All Rights Reserved

    Formats disponibles

    PDF, TXT ou lisez en ligne sur Scribd

    Avez-vous trouvé ce document utile ?

    Ce contenu est-il inapproprié ?

    Le document présente trois exercices sur le clustering de données. L'exercice 1 demande de regrouper des points avec l'algorithme K-means. L'exercice 2 demande de regrouper des employés avec la classification hiérarchique ascendante. L'exercice 3 propose un problème de prise de décision dans une entreprise à résoudre par clustering.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    297 vues1 page

    TD 2 Clustering

    Transféré par

    Sabrina Khlil
    Le document présente trois exercices sur le clustering de données. L'exercice 1 demande de regrouper des points avec l'algorithme K-means. L'exercice 2 demande de regrouper des employés avec la classification hiérarchique ascendante. L'exercice 3 propose un problème de prise de décision dans une entreprise à résoudre par clustering.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    sur 1

    Université de Jijel Faculté des sciences exactes et d'informatique

    Département d'informatique Classes Master 2 SIAD &IA 2015/2016


    ________________________________________________________________________________________________

    Série N°2 en Fouille de données (Clustering)

    Exercice n°1 : Soit les points A (2, 10) ; B (2,8) ; C (8,4) ; D (5,8) ; E (7,5) ; F (6,4) ; G (1,2) ;
    H (4,9)

    1. Donner la répartition géométrique de ces points. Quels sont les clusters qu’on peut identifier
    visuellement ?
    2. En prenant comme centroïdes initiaux les points A B et C, appliquer l’algorithme K-means
    pour regrouper les points en trois clusters (utiliser la distance de Manhattan).
    3. Est-il possible de minimiser le nombre d’itérations par un autre choix des centroides
    initiaux ? Justifier la réponse.

    Exercice n°2 : Soit la liste suivante des employés avec leur ancienneté en années et salaire par unité
    monétaire.

    Employé E1 E2 E3 E4 E5
    Ancienneté 2 3 5 6 10
    Salaire 2000 2100 3500 4100 10000

    1. Regrouper les individus en utilisant la classification hiérarchique ascendante et en prenant


    comme mesure de similarité la distance euclidienne et comme linkage le linkage single.
    2. Donner le tableau des valeurs standardisées des variables.
    3. Regrouper à nouveau les employés avec les valeurs standardisées en utilisant la même
    technique en 1.
    4. Comparer les résultats avant et après standardisation.

    Exercice n°3 : Le conseil d’administration d’une entreprise a du mal à mettre d’accord ses
    membres sur chaque nouveau projet d’investissement. Chaque projet possède plusieurs points de
    discorde (p1 : emplacement, p2, durée, p3 : budget, p4 : nombre d’intervenants, etc.). Le président-
    directeur général soumet une proposition contenant un choix par point. Chaque membre peut être
    d’accord (OK) sur chaque point ou pas d’accord (NOK). L’objectif de l’entreprise est de minimiser
    les interactions entre les membres (deux à deux ou entre groupes) et d’accélérer la prise de décision.
    Elle met à leur disposition une fiche sur laquelle ils peuvent mentionner leur avis sur chaque point.
    Sur la base de cette fiche, on veut accélérer le processus de réunions selon le principe : plus on est
    d’accord sur beaucoup de points, plus on va vite dans la réunion.

    1. Reformuler le problème en un problème de clustering en identifiant les objets, les variables,


    l’objectif du clustering et la mesure de similarité.

    2. Quelle est la technique de clustering adéquate dans ce cas ? justifier la réponse.

    3. Expliquer comment utiliser le résultat du clustering pour programmer les réunions.

    4. Illustrer par un exemple pour 05 points du projet (p1,…,p5) et 05 membres du conseil


    d’administration (m1,…,m5) les itérations du clustering et l’ordre des réunions.

    ________________________________________________________________________________________________
    TD en Fouille de données- D. Boukraâ, 2015/2016

    Vous aimerez peut-être aussi