
Une technique d'analyse de données qui regroupe des éléments similaires en fonction de caractéristiques définies.Le clustering est une technique d'analyse de données utilisée pour regrouper un ensemble d'objets de sorte que les objets d'un même groupe (appelé cluster) soient plus similaires entre eux qu'à ceux des autres groupes. C'est une forme d'apprentissage non supervisé, ce qui signifie qu'elle trouve des motifs cachés dans les données sans étiquettes préalables. Le clustering est largement utilisé pour explorer les données, identifier des regroupements naturels et réduire la complexité en résumant de grands ensembles de données en clusters représentatifs.
Le concept de clustering remonte aux années 1930 en anthropologie et en psychologie, mais le premier algorithme formel, les k-moyennes, a été introduit par Stuart Lloyd en 1957 (bien que publié plus tard). Les méthodes de clustering hiérarchique ont été développées dans les années 1960.
Les algorithmes de clustering fonctionnent en définissant une mesure de similarité (par exemple, la distance euclidienne, la corrélation) entre les points de données, puis en assignant itérativement les points à des clusters pour optimiser un certain critère, comme minimiser la variance intra-cluster (comme dans les k-moyennes) ou maximiser la densité des points (comme dans DBSCAN). Le choix de l'algorithme et de la mesure de similarité dépend du type de données et de la forme souhaitée des clusters. Une fois les clusters formés, ils peuvent être visualisés, analysés ou utilisés comme caractéristiques pour une modélisation ultérieure.
Le clustering est utilisé en astronomie pour classer les galaxies, en biologie pour regrouper des gènes ayant des profils d'expression similaires, en marketing pour segmenter les clients, et en analyse d'images pour compresser ou segmenter les images.
En astronomie, les algorithmes de clustering ont aidé à découvrir que les galaxies ne sont pas distribuées aléatoirement mais forment une vaste toile cosmique de filaments et de vides, révélant la structure à grande échelle de l'univers.

















