Cuestionario: Introduction au clustering non supervisé — 6 preguntas

1. Quelle affirmation correspond au sujet « Mesures de distance utilisées en clustering » ?

A. Apprentissage non supervisé : Type d'apprentissage où l'algorithme doit découvrir seul la structure cachée dans les données, sans disposer d'étiquettes

B. Intra-classe (compacité) : Critère visant à minimiser la distance entre les points appartenant à un même cluster pour assurer leur homogénéité

C. Distance Euclidienne : Une mesure de distance entre deux points dans un espace vectoriel, calculée comme la racine carrée de la somme des carrés des différences de leurs coordonnées

D. Inter-classe (séparation) : Clusters différents doivent être les plus éloignés possible les uns des autres

Answer: (C)

Explicación

Cette affirmation est directement issue de la partie du cours consacrée à ce sujet : Distance Euclidienne : Une mesure de distance entre deux points dans un espace vectoriel, calculée comme la racine carrée de la somme des carrés des différences de leurs coordonnées.

2. Qu'est-ce que le clustering en apprentissage non supervisé ?

A. Un processus de regroupement de données en sous-ensembles homogènes

B. Une méthode pour étiqueter les données supervisées

C. Un algorithme pour réduire la taille des ensembles de données

D. Une technique pour augmenter la dimension des données

Answer: (A)

Explicación

Le clustering est une tâche d'apprentissage non supervisé qui regroupe des données en sous-ensembles homogènes, sans utiliser d'étiquettes.

3. Comment appliquer le principe de clustering en apprentissage non supervisé ?

A. En séparant les données en clusters homogènes sans utiliser d'étiquettes

B. En utilisant uniquement des données étiquetées pour former des groupes

C. En classant les données selon une variable de sortie spécifique

D. En regroupant des données selon leur étiquette préalablement connue

Answer: (A)

Explicación

Le clustering consiste à regrouper des données en sous-ensembles homogènes sans utiliser d'étiquettes, ce qui correspond à l'application décrite dans la source.

4. Quel est le rôle de la fonction de coût dans l'algorithme K-means ?

A. Minimiser la somme des distances au carré entre chaque point et son centroïde

B. Maximiser la séparation entre les différents clusters

C. Minimiser la variance intra-cluster en regroupant les points proches

D. Maximiser la distance entre les centroïdes des clusters

Answer: (A)

Explicación

La fonction de coût de K-means vise à minimiser la somme des distances au carré entre chaque point et son centroïde, ce qui correspond à réduire l'inertie intra-cluster.

5. Qu'est-ce qu'un dendrogramme dans le cadre de la classification ascendante hiérarchique ?

A. Une représentation arborescente illustrant les fusions successives des clusters

B. Un diagramme montrant la distribution des données dans chaque cluster

C. Une représentation graphique des clusters formés à chaque étape

D. Une courbe représentant la variation de la distance entre clusters

Answer: (A)

Explicación

Le dendrogramme est une représentation arborescente illustrant les fusions successives des clusters dans la CAH, permettant de visualiser la hiérarchie des regroupements.

6. Qu'est-ce que le coefficient de silhouette dans l'évaluation du clustering ?

A. Une mesure de la densité des clusters, allant de 0 à 1

B. Une méthode pour déterminer le nombre optimal de clusters

C. Une métrique qui évalue la séparation et la compacité des clusters, variant entre -1 et +1

D. Une technique pour visualiser la distribution des points dans chaque cluster

Answer: (C)

Explicación

Le coefficient de silhouette évalue la qualité d'affectation d'un point à son cluster en mesurant la séparation et la compacité, avec une valeur entre -1 et +1.