Explore le biclustering dans les matrices de données, en identifiant des modèles de comportement cohérents et en discutant des méthodes de calcul pour l'analyse.
Introduit des méthodes de regroupement fondées sur des modèles utilisant des modèles de mélange et des variables latentes, avec des exemples pratiques sur les données d'iris.
Se penche sur les progrès du sous-typage biologique en psychiatrie, en mettant l'accent sur le trouble dépressif majeur et le trouble du spectre autistique.
Couvre les techniques de réduction de dimensionnalité, de regroupement et d'estimation de la densité, y compris l'ACP, les moyennes K, le MGM et le décalage moyen.
Explore le centroïde, le médioïde, l'homogénéité, la séparabilité dans le clustering, l'évaluation de la qualité, la stabilité, les connaissances d'experts et les algorithmes de clustering.