k-Means et choix de k
Méthodes du coude et de la silhouette
k-Means et choix de k est une leçon Data Science Academy gratuite sur CoddyKit. Ceci est la leçon 2 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage Data Science Academy, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours Data Science Academy comprend 4 leçons au total.
Certaines parties de cette leçon n'ont pas encore été traduites et s'affichent en anglais.
The Go-To Clusterer
k-Means is the most popular clustering algorithm: it splits your data into k groups by grouping points around central anchors. 🎯
Centroids Are Anchors
Each cluster has a centroid, the mean position of its members. Points join the cluster whose centroid sits closest to them.
The Repeating Dance
k-Means alternates two steps: assign every point to its nearest centroid, then recompute each centroid from its new members.
It Settles Down
Those steps repeat until assignments stop changing. The algorithm has converged, and the clusters are final.
You Choose k First
k-Means cannot invent the number of groups. You must pick k up front, and the right value is rarely obvious.
Run It in One Line
scikit-learn makes fitting easy. Set n_clusters to your chosen k and call fit on your scaled data.
from sklearn.cluster import KMeans
model = KMeans(n_clusters=3).fit(X)Inertia Measures Tightness
After fitting, inertia reports the total squared distance from points to their centroids. Lower means tighter clusters.
model.inertia_The Elbow Method
Plot inertia for many k values. Where the curve bends sharply, the elbow, often marks a good number of clusters.
Diminishing Returns
Past the elbow, adding clusters barely lowers inertia. That flattening signals you are just splitting groups that already fit well.
The Silhouette Score
A second guide is the silhouette score: it rewards points that sit close to their own cluster and far from others.
from sklearn.metrics import silhouette_scoreStart Smarter
Random starts can land badly, so scikit-learn defaults to k-means++, which spreads initial centroids out for steadier results.
Quick Check
Let us check how you would pick a sensible k.
Recap
k-Means groups points around centroids for a chosen k; the elbow and silhouette help you pick that k well. 🎯
Questions Fréquemment Posées
La leçon « k-Means et choix de k » est-elle gratuite ?
Oui — le texte complet de « k-Means et choix de k » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours Data Science Academy, passe à CoddyKit PRO. Le cours Data Science Academy comprend 4 leçons au total.
Qu'est-ce que j'apprendrai dans « k-Means et choix de k » ?
Méthodes du coude et de la silhouette Tu pratiques Data Science Academy avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.
Dois-je avoir de l'expérience pour commencer Data Science Academy ?
Aucune expérience préalable n'est requise. Data Science Academy sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 2 sur 4.
Combien de temps prend la leçon « k-Means et choix de k » ?
La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.
Peux-tu écrire et exécuter du code dans cette leçon Data Science Academy ?
Oui. Chaque leçon Data Science Academy inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.
Toutes les leçons de ce cours
- Apprentissage supervisé ou non supervisé
- k-Means et choix de k
- Méthodes hiérarchiques et DBSCAN
- Dresser le profil et nommer vos groupes