Académique Documents
Professionnel Documents
Culture Documents
Exercice 1:
Exercice 2:
1. Soit l’ensemble de points un-idimensionnel : {5, 11, 17, 23, 29, 43, 47}.
(a) En appliquant l’algorithme k-means (distance euclidiènne) regrouper les points
en deux clusters C1 et C2 pour les deux initialisations suivantes (ne pas écrire
le détail des calculs) :
i. Les centroides sont : 17 et 43
ii. Les centroides sont : 11 et 29
(b) Les centroides choisis représentent-ils des solutions stables ?
2. Considérons les données uni-dimensionelles {A(2), B(4), C(5), D(9), E(10)}. Suppo-
sons que les données sont divisées en deux clusters C1 = {A, B, C} et C2 = {D, E}.
(a) En utilisant la distance Euclidienne, calculer la distance minimale, maximale,
et moyenne entre les deux clusters.
(b) A votre avis pourquoi le point A n’est pas considéré comme un cluster a part ?
Exercice 3:
o1 o2 o3 o4 o5 o6 o7 o8
X 2 2 8 5 7 6 1 4
Y 10 5 4 8 5 4 2 9
(a) En utilisant la distance Euclidienne, générer trois clusters possibles.
(b) Sur un dessin à deux dimensions indiquer l’évolution des clusters.