Posté le Tue 19 February 2019 dans machine learning • Taggé avec clustering, R, machine learning • 5 min read
The R package gganimate enables to animate plots. It is particularly interesting to visualize the intermediate results of an algorithm, to see how it converges towards the final results. The following illustrates this with K-means clustering.
Posté le Mon 21 January 2019 dans machine learning • Taggé avec clustering, R, machine learning • 5 min read
How to detect Christmas tinsels on a tree? Let's understand why hierarchical clustering with single linkage is a good candidate.
Posté le Sat 05 January 2019 dans machine learning • Taggé avec clustering, R, machine learning • 6 min read
Christmas time is over. It is time to remove the Cristmas tree. But just before removing it, one can ask: How many red Christmas baubles are on the tree? Let's leverage k-means criterion to answer this question.
Posté le Sat 22 December 2018 dans machine learning • Taggé avec clustering, R, machine learning • 5 min read
L' algorithme des k-moyennes suppose que les données sont générées par un mélange de Gaussiennes ayant chacune la même proportion, la même variance et aucune covariance. Ces hypothèses peuvent être allégées avec un algorithme plus générique : l'algorithme CEM appliqué à un mélange de Gaussiennes.
Posté le Sun 09 December 2018 dans machine learning • Taggé avec clustering, R, machine learning • 6 min read
Les k-moyennes est l'algorithme de classification non supervisée le plus connu et le plus utilisé. Il fait cependant de fortes hypothèses sur les données. Ces hypothèses sont illustrées sur des jeux de données de synthèse. Le critère optimisé par les k-moyennes est aussi expliqué pour comprendre pleinement son comportement.
Posté le Sun 11 November 2018 dans machine learning • Taggé avec clustering, R, machine learning • 7 min read
In order to understand how a clustering algorithm works, good sample datasets are useful to highlight its behavior under certain circumstances. This post shows how to generate 9 datasets which will be used in other posts of this series on clustering.