Réponse rapide
On choisit une méthode de regroupement selon type de données, dimension, bruit, forme attendue des groupes, nombre de groupes connu ou non, et besoin d’expliquer les affectations.
Caractériser les mesures
Variables continues, catégorielles, séquences et valeurs manquantes ne se traitent pas de la même façon. Distance, normalisation et corrélation influencent le résultat.
Comparer les hypothèses
Centres, hiérarchie, densité ou modèles probabilistes imposent des hypothèses différentes. La méthode choisie expose aussi une sensibilité particulière aux valeurs aberrantes.
Relier groupes et robot
Stabilité, séparation et interprétation sont testées sur d’autres épisodes. Un groupe n’est utile que s’il conduit à une action, une surveillance ou une décision compréhensible.
Sources et références
- [1] Unsupervised learning — scikit-learn — scikit-learn