k-Means

Créez un nuage par clic, chargez une démo reproductible ou collez des coordonnées. k-Means regroupe les points autour de k centres. Exécuter alterne attribution et mise à jour ; Étape avance une seule phase. Pause/Continuer conserve les centres. Réinitialiser garde les points mais efface les groupes. Changer k ou la graine réinitialise le modèle.

Initialisation k-means++ avec graine fixe. Attribution au centre le plus proche selon la distance euclidienne au carré ; en cas d’égalité, le premier centre. Mise à jour par moyenne arithmétique ; un groupe vide conserve son centre. Les deux phases forment une itération complète. Arrêt lorsque les attributions restent identiques après une mise à jour ou après 200 itérations. Solution locale : essayez d’autres graines. SSE est la somme des distances au carré aux centres attribués et ne doit pas augmenter à chaque phase.

Les couleurs et les centres numérotés correspondent au tableau. Réattribués compte les changements de la dernière attribution ; la première compte tous les points. Repère fixe 700 × 460 : X vers la droite, Y vers le bas, axes à même échelle. Deux nombres finis par ligne, séparés par espace, virgule ou point-virgule, avec point décimal. Lignes vides et commentaires # ignorés ; une autre ligne invalide rejette l’import en conservant les points précédents. Limites : X 0–700, Y 0–460, 2 000 points, 1 MiB. La démo est limitée au cadre éditable.

Points en texte conserve les coordonnées numériques ; le CSV exporte l’attribution actuelle, groupes à partir de 1, y compris une phase intermédiaire. Exemple : (100,100), (100,120), (300,100), (300,120), k=2 donne (100,110)/(300,110), SSE=400. Surface pédagogique sans choix automatique de k, standardisation ni garantie d’optimum global. Clustering Lab propose d’autres méthodes et le choix des colonnes CSV.

Seules les valeurs saisies sont conservées dans ce navigateur. Les résultats calculés et historiques ne sont pas enregistrés.