Documentation du code

class cluster.Cluster(kernel)

Representation d’un cluster (utilsee par l’algorithme k-means)

__init__(kernel)

Paramètres:kernel – le noyau de depart du cluster

center(f)

Centre le noyau du cluster en fonction de ses elements

Paramètres:f – la fonction de distance entre deux elements d’un cluster

class noeud.Noeud(val, gauche=None, droite=None)

Representation d’un noeud (un cluster) dans un dendogramme (une hierarchie de clusters construite par le clustering hierarchique)

__init__(val, gauche=None, droite=None)

Paramètres:

• val – la valeur du noeud (None si le noeud n’est pas terminal/feuille)
• gauche – le noeud a gauche de ce noeud
• droite – le noeud a droite de ce noeud

__repr__()

Representation du noeud courant

est_feuille()

Retourne True si ce noeud est une feuille (n’a pas de noeuds ni a gauche ni a droite)

fusion(noeud)

Fusionne deux noeuds

Le nouvel noeud contiendra le noeud courant a gauche et le noeud ‘noeud’ a droite

Paramètres:noeud – un noeud qui ira a droite de la nouvelle racine Retourne:la nouvelle racine

repr_arbre(level=0)

Representation de l’arbre duquel le noeud courant est la racine

valeurs()

Retourne la liste des valeurs contenues dans l’arbre duquel le noeud courant est la racine

class hierarchique.ClusteringHierarchique(elements, f, type_lien='single')

Instance de clustering hierarchique

__init__(elements, f, type_lien='single')

Paramètres:

• elements (list) – la liste des elements a regrouper
• f – fonction de de distance entre deux elements
• lien – single ou complete, le type de distance entre deux clusters

clustering()

Fusionne les clusters de maniere iterative afin d’obtenir la hierarchie complete

clusters_distances(c1, c2)

Retourne:une liste contenant la distance entre chaque paire d’elements de deux clusters

initialise_clusters()

Initialize les clusters

revise_clusters()

Revise les clusters

class kmeans.KMeansClustering(elements, k, f)

Instance de k-means clustering

__init__(elements, k, f)

Paramètres:

• elements (list) – liste des elements a regrouper
• k – nombre de clusters a construire
• f – fonction de distance entre deux elements

clustering()

Regroupe les elements dans des clusters jusqu’a ce que les noyaux soient stables

initialise_clusters()

Initialize les clusters

revise_clusters()

Revise les clusters