Discussion :

[Imène_23]

salut,

quand on fait une classification avec fc-means ou k-means, on doit savoir le nombre de classes au départ, alors comment fait-on ce choix? et comment sait-on s'il est optimal ou non ?

merci

[PRomu@ld]

Tu peux trouver le nombre de classes optimales en effectuant ta classification sur 1 classe puis 2, puis 3, ... . Pour chacune des classifications, tu calcules la distance intra-classe. Enfin, tu traces la courbe résultante (ie: distance interclasse en fonction du nombre de classe). Tu verras (normalement) un point d'inflexion sur ta courbe (ie: une cassure, ça doit décroitre fortement puis tout doucement d'un seul coup). Ce point d'inflexion correspond à ton nombre optimal de classe.

[ToTo13]

Bonsoir,

normalement, lorsque l'on fait du clustering on connaît le nombre de classe que l'on souhaite.
Si ce n'est pas le cas, tu peux toujours utiliser les cartes auto-organisatrices de Kohonen.

Sinon, certaines recherches ont permis de déterminer automatiquement le nombre de classe optimal. Voilà quelques références :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
 
@article{LML99,
	Author = {Xin Li and Man Wai Mak and Chi Kwong Li},
	Journal = {Journal of Advanced Computational Intelligence and Intelligent Informatics},
	Keywords = {Clustering, RCPL algorithm, Optimal cluster number, Competitive learning, Elliptical basis function networks},
	Month = {April},
	Number = {6},
	Pages = {467-473},
	Title = {Determining the Optimal Number of Clusters by an Extended RPCL Algorithm},
	Volume = {3},
	Year = {1999}}
 
 
 
@inproceedings{HalkidiVazirgiannis01,
	Address = {Washington, DC, USA},
	Author = {Maria Halkidi and Michalis Vazirgiannis},
	Booktitle = {IEEE Internationnal Conference On Data Mining},
	Keywords = {Clustering, Optimal cluster number},
	Pages = {187-194},
	Publisher = {IEEE Computer Society},
	Title = {Clustering Validity Assessment: Finding the optimal partitioning of a data set},
	Year = {2001}}
 
 
 
@article{KLL04,
	Address = {Oxford, United Kingdom},
	Author = {Dae-Won Kima and Kwang H. Leea and Doheon Lee},
	Journal = {Pattern Recognition},
	Keywords = {Fuzzy cluster validity, Fuzzy clustering, Clustering, Optimal cluster number},
	Number = {10},
	Pages = {2009-2025},
	Publisher = {Elsevier Science},
	Title = {On cluster validity index for estimation of the optimal number of fuzzy clusters},
	Volume = {37},
	Year = {2004}}
 
 
 
@inproceedings{ALSN06,
	Author = {O. Ammor and A. Lachkar and K. Slaoui and N. Rais},
	Booktitle = {IEEE on Advances in Cybernetic Systems},
	Keywords = {Clustering, Optimal cluster number, Overlapping cluster},
	Pages = {26-31},
	Title = {New Efficient Approach to Determine the Optimal Number of Clusters in Overlapping Cases},
	Year = {2006}}