? À quoi ça sert ?
Choisissez un dataset (synthétique), un algorithme (KMeans, DBSCAN, PCA 2D, régression polynomiale), et bougez les curseurs pour voir l'impact des hyperparamètres en direct. Curseurs globaux : nombre de points, niveau de bruit. Tout s'exécute en JS pur — vous pouvez lire le code.
1 Choix du dataset
2 Choix de l'algorithme
3 Hyperparamètres
StatutPrêt
Métrique—
Itérations0
4 Visualisation live
Choisissez un algo pour commencer.
Que fait cet algorithme ?
KMeans partitionne les points en k groupes en minimisant la distance intra-cluster. À chaque itération : (1) assigner chaque point au centroïde le plus proche, (2) recalculer les centroïdes. Converge quand rien ne change.