Intelligence Artificielle
  • Lab 11 : Clustering
    • Objectifs de la série
    • Fichiers squelettes
    • Énoncé
    • Exercice 1 : Le clustering de partitionnement par l’algorithme k-means
    • Exercice 2 : Le clustering hiérarchique
  • Documentation du code
    • clusteringHierarchique
    • kMeans
    • distance
    • Modules de test
 
Intelligence Artificielle
  • Docs »

Index

_ | A | C | D | F | K | M | N | P | R | T

_

__init__() (méthode clusteringHierarchique.Noeud), [1]

A

afficheClusters() (dans le module kMeans)
afficheDentogramme() (méthode clusteringHierarchique.Noeud)
afficheNoyaux() (dans le module kMeans)
afficheResultat() (dans le module clusteringHierarchique)
(dans le module kMeans)
argmin() (dans le module distance)

C

chargeDonnees() (dans le module clusteringHierarchique)
(dans le module kMeans)
clustering() (dans le module clusteringHierarchique)
(dans le module kMeans)
clusteringHierarchique (module)

D

distance (module)
distance() (dans le module distance)
distanceClusters() (dans le module clusteringHierarchique)

F

fini() (dans le module clusteringHierarchique)
(dans le module kMeans)
formeClusters() (dans le module kMeans)

K

kMeans (module)

M

maladies (module)

N

Noeud (classe dans clusteringHierarchique)

P

profits (module)

R

recentreNoyau() (dans le module kMeans)
retourneNoyaux() (dans le module kMeans)
reviseClusters() (dans le module clusteringHierarchique)
(dans le module kMeans)

T

testclusteringHierarchique (module)
testkMeans (module)

© Copyright LIA, 2014.

Sphinx theme provided by Read the Docs