Discussion :

[Weetik_36]

Bonjour,

J'ai commencé très récemment à m'intéresser au datamining après avoir vu une introduction lors d'un cours.

Le professeur m'a fourni un jeu de données afin d'explorer le clustering. Ce jeu de données concerne le résultat du premier tour des élections 2022 par département.
Il est donc composé d'une colonne département, d'une colonne par candidat ainsi que les colonnes nuls, abstentions, blanc, inscrits et exprimés.

Il m'a donné quelques étapes afin de réaliser le clustering à savoir :
- Réaliser le partitionnement des départements en choisissant les variables explicatives avec la méthodes des K-moyennes.
- Comparer les cas où on réduit les variables ou non.
- Evaluer le nombre optimal de clusters.
- ...

J'ai réaliser les deux premières étapes. La dernière me pose davantage de problèmes. J'ai réaliser les calculs de l'inertie et du score de silhouette pour différents nombre de clusters. Au vue des résultats obtenus, je n'arrive pas à décider quel est le nombre optimal de cluster à choisir.

Voici les résultats :


J'hésite entre 3 et 4 clusters.

Quelqu'un peut-il me donner son avis et m'indiquer sa réflexion pour opérer le choix ? Egalement, s'il existe d'autres techniques pour déterminer le nombre optimal de clusters, je suis preneur.

Merci d'avance !

[tbc92]

Je ne connais pas ces 2 indicateurs.
Mais en regardant les graphiques (en particulier le 2ème), on constate que plus on a de clusters , plus le score de silhouette diminue (globalement).
Or, dès 3 clusters, on arrive à un score très bas. Un 4ème cluster ne fait pas diminuer ce score, il le fait même monter.
Donc il semblerait qu'il faille faire 3 clusters.
D'ailleurs, on se doute qu'on aura un cluster Macron+Pécresse, un autre Le Pen et un autre Mélenchon.
Et si tu veux partager tes résultats, c'est un sujet qui m'intéresse beaucoup, et je serais très content de voir ce que ça donne (par message privé si tu préfères).

[Weetik_36]

Je ne connais pas ces 2 indicateurs.
Mais en regardant les graphiques (en particulier le 2ème), on constate que plus on a de clusters , plus le score de silhouette diminue (globalement).
Or, dès 3 clusters, on arrive à un score très bas. Un 4ème cluster ne fait pas diminuer ce score, il le fait même monter.
Donc il semblerait qu'il faille faire 3 clusters.
D'ailleurs, on se doute qu'on aura un cluster Macron+Pécresse, un autre Le Pen et un autre Mélenchon.
Et si tu veux partager tes résultats, c'est un sujet qui m'intéresse beaucoup, et je serais très content de voir ce que ça donne (par message privé si tu préfères).

Merci beaucoup pour ta réponse et ton analyse. Je vais en effet partir sur 3 clusters. Je t'enverrai mes résultats une fois que j'aurai terminé, sûrement dans la journée. Si cela t'intéresse, j'ai également réalisé une ACP ainsi qu'une régression linéaire sur le taux d'abstention.

Bonne journée !