K-means
K-means est l’algorithme de clustering le plus utilisé en apprentissage non supervisé. Il répartit un jeu de données en K groupes (clusters), K étant un nombre fixé au préalable par l’utilisateur, en fonction de la proximité entre les points de données.
Fonctionnement en boucle : l’algorithme place K centroïdes initiaux (le « centre » de chaque futur groupe), assigne chaque donnée au centroïde le plus proche, recalcule la position de chaque centroïde à partir des données qui lui sont désormais associées, puis répète l’opération jusqu’à ce que les centroïdes ne bougent plus. Simple, rapide, efficace sur de gros volumes — mais nécessite de connaître à l’avance le nombre de groupes recherché, contrairement à d’autres méthodes de clustering plus récentes qui déterminent ce nombre automatiquement.
En RH, K-means sert à segmenter une population salariés en profils similaires (parcours, compétences, comportements) sans catégories définies à l’avance, ou à regrouper des candidatures selon des critères proches pour accélérer un premier tri.
Retrouvez tous les termes dans le lexique SIRH et IA de yapluqua.com.