Nous allons voir un algorithme de partitionnement avec scikit-learn. Nous allons d'abord utiliser la bibliothèque pour générer nos données en suivant une distribution normale (Gaussienne). Puis nous allons voir graphiquement avec scikit comment le partitionnement se fait. Enfin nous utiliserons scikit-learn pour mettre en place un modèle capable de prédire le bon partitionnement.

Les exemples de la vidéo peuvent se retrouver dans le répertoire 5. de : https://github.com/Algomius/data

0:00 • Présentation
3:10 • Partitionnement avec scikit-learn
5:11 • Génération des données
15:04 • Partitionnement avec scipy
24:39 • Représentation graphique des données
27:47 • Partitionnement par agglomération
30:46 • Représenter la prédiction
33:54 • Représenter les observations
36:27 • Conclusion