
Division des données en groupes autour de centres trouvés de manière itérative.Le clustering par k-moyennes est un algorithme d'apprentissage non supervisé qui partitionne un ensemble de données en un nombre prédéfini de groupes, chacun étant représenté par son centroïde (la moyenne de ses points). L'objectif est de minimiser la variance intra-groupe, rendant les points d'un même groupe aussi similaires que possible tout en maintenant les différents groupes distincts. C'est l'une des méthodes de regroupement les plus simples et les plus utilisées, servant souvent de référence pour des approches plus complexes.
Le terme « k-moyennes » a été utilisé pour la première fois par James MacQueen en 1967, bien que l'idée centrale remonte à Hugo Steinhaus en 1956 et à l'algorithme de Lloyd (1957) pour la modulation par impulsions codées.
L'algorithme commence par initialiser aléatoirement k centroïdes. Il itère ensuite deux étapes : (1) assigner chaque point de données au centroïde le plus proche, et (2) recalculer chaque centroïde comme la moyenne de tous les points qui lui sont assignés. Ces étapes se répètent jusqu'à ce que les centroïdes cessent de changer de manière significative. Le résultat dépend du placement initial, il est donc courant d'exécuter l'algorithme plusieurs fois avec des graines différentes et de choisir le meilleur résultat. Le nombre de groupes k doit être choisi à l'avance, souvent en utilisant la méthode du coude ou l'analyse de silhouette.
Le k-moyennes est utilisé pour la segmentation de la clientèle en marketing, la compression d'images en réduisant les palettes de couleurs, et la détection d'anomalies en identifiant les points éloignés de tout centroïde.
Le k-moyennes est si efficace qu'il peut regrouper des millions de points en quelques secondes, mais il suppose que les groupes sont sphériques et de taille similaire, ce qui est rarement vrai dans les données réelles.












