Non-supervisé : clusters, dimensions, anomalies

Sans labels, on cherche des formes

Pas de y à prédire : on cherche des structures dans X. Les trois familles utiles en entreprise :

1. Clustering (k-means) : segmenter

k-means place k centres, affecte chaque point au centre le plus proche, recalcule les centres, répète. Usage roi : la segmentation client (« mes utilisateurs se répartissent en 4 profils d'usage »). Piège : il faut choisir k (méthode du coude, ou k dicté par le métier), et les résultats dépendent de l'échelle des features → normaliser d'abord.

2. Réduction de dimension (PCA) : compresser

La PCA projette tes 200 features sur les axes qui conservent le maximum de variance. Usages : visualiser en 2D des données haute dimension, compresser avant un autre modèle, dé-bruiter.

3. Détection d'anomalies : l'inattendu

Isolation Forest, One-Class SVM ou simple distance au centroïde : signaler ce qui s'écarte de la masse. Fraude, capteurs défaillants, comportements suspects — souvent le premier projet ML rentable d'une boîte, car il ne demande aucun label.

🐍 À toi de jouer

# Segmentation client par k-means + détection du client bizarre
import numpy as np
from sklearn.preprocessing import StandardScaler
from sklearn.cluster import KMeans

rng = np.random.default_rng(5)
# Trois profils cachés : petits occasionnels, gros réguliers, dormeurs
occasionnels = rng.normal([20, 2],  [8, 1],  (300, 2))
reguliers    = rng.normal([120, 15],[25, 4], (150, 2))
dormeurs     = rng.normal([5, 0.3], [3, .3], (200, 2))
X = np.vstack([occasionnels, reguliers, dormeurs])   # (montant moyen, commandes/mois)

Xs = StandardScaler().fit_transform(X)               # normaliser AVANT k-means !
km = KMeans(n_clusters=3, n_init=10, random_state=0).fit(Xs)

for c in range(3):
    grp = X[km.labels_ == c]
    print(f"cluster {c} : {len(grp):3d} clients — panier {grp[:,0].mean():6.1f} €, "
          f"{grp[:,1].mean():4.1f} cmd/mois")

# Anomalie : distance au centre de son cluster
d = np.linalg.norm(Xs - km.cluster_centers_[km.labels_], axis=1)
bizarre = d.argmax()
print(f"\nclient le plus atypique : panier {X[bizarre,0]:.0f} €, "
      f"{X[bizarre,1]:.1f} cmd/mois (distance {d[bizarre]:.1f})")

🧩 Quiz1/3

Pourquoi normaliser avant k-means ?

🃏 Flashcards1/3