3.1.2. La méthode des centres mobiles
Contrairement à la méthode hiérarchique,
le nombre de classes k doit être déter-
miné à priori. Ces méthodes sont
itératives : après une initialisation des centres consistant, le
plus souvent, à tirer aléatoirement k individus, l'algorithme
répète deux opérations jusqu'à la convergence d'un
critère :
+ Chaque individu est affecté à la classe dont le
centre est le plus proche.
+ Calcul des k centres des classes ainsi constituées.
Cette méthode a une variante dénommée
« Méthode des nuées dynamiques » qui au lieu de prendre
des individus comme centre des classes prend plutôt des groupes
d'individus.
3.1.3. La classification mixte
Sur un grand nombre de données, il est
préférable d'appliquer cette méthode-ci.
Elle combine les deux méthodes décrites
précédemment. Son principe est le suivant:
+ Exécuter la méthode des centres mobiles en
demandant un grand nombre de classes
+ Sur les barycentres des classes précédentes,
exécuter une classification hiérarchique
puis déterminer un nombre «optimal» k de
classes.
+ Exécuter une méthode des centres mobiles sur
tout l'ensemble en fixant à k le nombre de classes.
Dans notre analyse, nous utiliserons la CAH car mieux adapter
à la dimension du tableau dont nous disposons.
| 
