final commit

iris.py

 # Author : Capt Thibault , Souza Luz Juliano
 # Date : 10.10.2023
 # Project : Kmeans
-# Description : Ce fi
-
-
+# Description : Ce fichier représente notre utilisation de kmeans pour le fichier iris
 import pandas as pd
 import numpy as np
 from collections import Counter
 import matplotlib.pyplot as plt
 
 def manhattan_distance(x1: np.ndarray, x2: np.ndarray) -> float:
+    """
+    Distance manhattan L2
+    :param x1: un premier point
+    :param x2: un deuxieme point
+    :return: Distance entre ces 2 points selon la formule
+    """
     distance = 0
     if x1.shape == x2.shape:
         for i in range(x1.size):
@@ -36,15 +40,16 @@ if __name__ == '__main__':
 
     # Algorithme K-Means
     for i in range(max_iter):
-        # Créer des clusters vides
+        # Créer k clusters vides
         clusters = [[] for _ in range(k)]
-        # Sauvegarder les anciens centroïdes
+
+        # Pour chaque points
         for point in X:
-            distances = [manhattan_distance(point, centroid) for centroid in centroids]
-            cluster_index = np.argmin(distances)
+            distances = [manhattan_distance(point, centroid) for centroid in centroids] # calcul des distances
+            cluster_index = np.argmin(distances) # distance minimale
             clusters[cluster_index].append(point)
 
-        # Sauvegarder les anciens centroïdes
+        # Sauvegarder les anciens centroïdes (pour vérifier la convergence plus tard)
         old_centroids = centroids.copy()
 
         # Mettre à jour les centroïdes en calculant la moyenne des points dans chaque cluster
@@ -60,17 +65,22 @@ if __name__ == '__main__':
 
         total_variances.append(total_variance)
 
-        # Convergence ?
+        # Vérifier s'il y a une convergence pour stop le programme
         if np.all(old_centroids == centroids):
             break
 
     # Calculer le taux de classification par cluster et la classe majoritaire par cluster
     cluster_classifications = {}
     cluster_majority_class = {}
+    # récupérer l'index et le point du cluster
     for cluster_index, cluster_points in enumerate(clusters):
+        # récupérer les labels du cluster
         cluster_labels = labels[np.isin(X, cluster_points).all(axis=1)]
+        # Récupérer le nombre de labels dans le cluster
         cluster_counts = Counter(cluster_labels)
+        # Taux de classification
         cluster_classifications[cluster_index] = cluster_counts
+        # Classe majoritaire
         cluster_majority_class[cluster_index] = cluster_counts.most_common(1)[0][0]
 
     # Afficher le taux de classification par cluster et la classe majoritaire par cluster

student-data.py

-# Importation des bibliothèques
+# Author : Capt Thibault , Souza Luz Juliano
+# Date : 10.10.2023
+# Project : Kmeans
+# Description : Ce fichier représente notre utilisation de kmeans pour les fichiers student
 import pandas as pd
 import numpy as np
 import matplotlib.pyplot as plt
 
-
 def manhattan_distance(x1: np.ndarray, x2: np.ndarray) -> float:
+    """
+    Distance manhattan L2
+    :param x1: un premier point
+    :param x2: un deuxieme point
+    :return: Distance entre ces 2 points selon la formule
+    """
     distance = 0
     if x1.shape == x2.shape:
         for i in range(x1.size):
@@ -15,7 +23,7 @@ def manhattan_distance(x1: np.ndarray, x2: np.ndarray) -> float:
 if __name__ == '__main__':
     dataset = pd.read_csv("Data/student-data-test.csv", header=0)
     X = dataset.iloc[:, 1:].values
-    k = 3
+    k = 2 # nombre de clusters
 
     # Initialisation des k-centroides de manière aléatoire
     centroids = X[np.random.choice(X.shape[0], k, replace=False)]
@@ -24,15 +32,16 @@ if __name__ == '__main__':
     total_variances = []
     # Algorithme K-Means
     for i in range(max_iter):
-        # Créer des clusters vides
+        # Créer k clusters vides
         clusters = [[] for _ in range(k)]
-        # Sauvegarder les anciens centroïdes
+
+        # Pour chaque points
         for point in X:
-            distances = [manhattan_distance(point, centroid) for centroid in centroids]
-            cluster_index = np.argmin(distances)
+            distances = [manhattan_distance(point, centroid) for centroid in centroids] # calcul des distances
+            cluster_index = np.argmin(distances) # distance minimale
             clusters[cluster_index].append(point)
 
-        # Sauvegarder les anciens centroïdes
+        # Sauvegarder les anciens centroïdes (pour vérifier la convergence plus tard)
         old_centroids = centroids.copy()
 
         # Mettre à jour les centroïdes en calculant la moyenne des points dans chaque cluster
@@ -60,7 +69,7 @@ if __name__ == '__main__':
         plt.legend()
         plt.show()
 
-        # Convergence ?
+        # Vérifier s'il y a une convergence pour stop le programme
         if np.all(old_centroids == centroids):
             break