Scribd Logo
Importer

Bienvenue sur Scribd !

  • 3 vues

    uber (1)

    Transféré par

    meriem baha

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd

    uber (1)

    Transféré par

    meriem baha
    3 vues22 pages

    Copyright

    © © All Rights Reserved

    Formats disponibles

    PDF, TXT ou lisez en ligne sur Scribd

    Avez-vous trouvé ce document utile ?

    Ce contenu est-il inapproprié ?

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    3 vues22 pages

    uber (1)

    Transféré par

    meriem baha

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    sur 22

    Projet

    Uber
    01.

    Projet uber
    Description

    Ce projet consiste à développer une solution pour aider les chauffeurs


    d'Uber à identifier les zones les plus populaires où se trouvent les
    utilisateurs à tout moment de la journée. Uber a identifié que l'une des
    principales frustrations de ses utilisateurs est le temps d'attente
    lorsqu'un chauffeur n'est pas à proximité.
    Description

    Pour réduire ces temps d'attente, Uber souhaite déterminer où se trouvent


    ces "meilleures-zones" où les chauffeurs devraient se positionner
    pour maximiser leurs chances de trouver des clients rapidement
    Objectifs

    1 - Algorithme de Clustering: L'objectif est de créer un algorithme


    qui regroupera les lieux de prise en charge en clusters pour identifier ces
    hot-zones.
    Dataset utilisé

    Description des colonnes pertinentes

    ● Lat : Latitude de la localisation d'un trajet Uber.


    ● Lon : Longitude de la localisation d'un trajet Uber.
    ● Ces colonnes représentent les coordonnées géographiques utilisées pour le
    clustering.

    Taille des données

    ● Les données couvrent plusieurs mois en 2014 et 2015.


    ● Plusieurs millions de lignes issues des fichiers suivants :
    ○ Avril à septembre 2014.
    ○ Janvier à juin 2015.
    Distribution des Données

    Distribution des données

    ● Les trajets sont majoritairement concentrés dans les zones urbaines.


    ● La densité de points est particulièrement élevée dans les grandes villes.
    Prétraitement des Données

    Filtrage

    ● Suppression des points géographiques hors des limites définies pour éviter le bruit.
    ● Exclusion des valeurs nulles ou incohérentes dans les colonnes Lat et Lon.

    Normalisation

    ● Les coordonnées n'ont pas été normalisées car elles conservent leur sens
    géographique brut pour le clustering.

    Autres traitements

    ● Découpage en échantillons pour des analyses spécifiques.


    ● Ajout d'étiquettes temporaires pour explorer des clusters liés à différentes périodes.
    Méthodologie de clustering

    K-means : Définition et Fonctionnement

    ● K-means regroupe les données en divisant les points en K clusters.


    ● Il minimise la somme des distances au carré entre chaque point et le centre de son
    cluster (WCSS).
    ● Processus :
    1. Initialisation de K centres aléatoires.
    2. Assignation des points au centre le plus proche.
    3. Recalcul des centres et répétition.

    Limites de K-means pour des Données Géographiques

    ● Sensible aux valeurs aberrantes et au bruit.


    ● Assume des clusters sphériques, inadaptés aux formes irrégulières.
    ● Ne gère pas les points isolés.
    Méthodes de clustring

    DBSCAN : Définition et Avantages

    ● DBSCAN identifie les clusters basés sur la densité des points.


    ● Avantages :
    ○ Gère les clusters de formes irrégulières.
    ○ Ignore les points isolés (bruit).
    ● Paramètres principaux :
    ○ eps : Distance maximale entre deux points pour les considérer comme
    voisins.
    ○ min_samples : Nombre minimal de points dans un voisinage pour former
    un cluster.
    Evaluation des clusters

    K-means : Résultats de WCSS


    Évolution du WCSS pour différents K :
    K=1 : 72502
    K=2 : 51717.83
    K=3 : 34216.22
    K=4 : 27924.12
    K=5 : 23098.00
    K=6 : 18452.75
    K=7 : 14877.05
    K=8 : 12435.59
    K=9 : 10946.08
    K=10 : 9578.92

    - Analyse : La diminution de WCSS ralentit après K=4, suggérant un bon choix pour le nombre de
    clusters.
    Evaluation des clusters

    K-means : Silhouette Score


    Mesure de la cohérence des clusters :

    K=2 : 0.74
    K=3 : 0.44
    K=4 : 0.46
    K=5 : 0.47
    K=6 : 0.48
    K=7 : 0.48
    K=8 : 0.43
    K=9 : 0.40
    K=10 : 0.41

    ● Analyse : Un score élevé pour K=2 indique des clusters bien séparés.
    Résultats

    4.1. Résultats de K-means

    ● Graphiques de l'évolution de WCSS.


    ● Visualisation des clusters sur la carte.
    ● Limites observées (par exemple, faible segmentation pour certains groupes).

    4.2. Résultats de DBSCAN

    ● Cartographie des clusters.


    ● Exploration des paramètres (eps, min_samples) :
    ○ Impact sur le nombre de clusters.
    ○ Visualisations interactives des clusters (si disponibles).
    Comparaison des méthodes

    Performances : K-means vs DBSCAN

    ● K-means :
    ○ Meilleur pour des clusters compacts et bien séparés.
    ○ Moins performant avec des formes irrégulières ou bruitées.
    ● DBSCAN :
    ○ Prend en compte les points isolés.
    ○ Efficace pour des clusters de densité variable.
    ○ Résultats influencés par le choix de eps et min_samples.

    Recommandation :

    ● DBSCAN est plus adapté si les données contiennent des zones de densité variable.
    ● K-means est utile pour des clusters homogènes avec peu de bruit.
    Résultas du kmeans
    Évolution de WCSS (Within-Cluster Sum of Squares)
    Voici les valeurs obtenues pour différents nombres de clusters K :
    K=1 : 72502
    K=2 : 51717.83
    K=3 : 34216.22
    K=4 : 27924.12
    K=5 : 23098.00
    K=6 : 18452.75
    K=7 : 14877.05
    K=8 : 12435.59
    K=9 : 10946.08
    K=10 : 9578.92

    ●
    ● Analyse : La diminution rapide de WCSS ralentit après K=4, ce qui suggère que 4 clusters est un bon choix.

    Limites observées

    ● Les clusters sont bien définis pour des valeurs faibles de K, mais les clusters peuvent manquer de cohérence pour des
    données de densité variable.
    Visualisation des Clusters de K-means

    Carte des clusters générés :


    ● Les clusters sont représentés par des points regroupés
    géographiquement.
    ● Ils montrent une séparation claire dans les zones urbaines denses.

    Problème : Certaines zones de faible densité sont mal segmentées, limitant


    l'efficacité de K-means dans ces cas.
    Résultats de DBSCAN

    Paramètres explorés

    ● EPS : Valeur testée = EPS4 (0.1 ou autre valeur selon le contexte exact).
    ● Min_samples : Valeur testée = MIN_SAMPLES4 (4 ou autre valeur selon le
    contexte exact).

    Impact des paramètres

    ● La variation de eps et min_samples influence directement :


    ○ Le nombre de clusters formés.
    ○ L'identification des points isolés comme bruit.
    Cartographie des Clusters DBSCAN

    ● Résultats générés :
    ○ Les clusters identifiés sont représentés par des couleurs distinctes.
    ○ Les points isolés (bruit) sont exclus, ce qui améliore la cohérence des
    clusters.

    Limites observées

    ● La performance dépend du choix des paramètres eps et min_samples.


    ● DBSCAN peut ne pas capturer de larges clusters homogènes.
    Comparaison des méthodes
    Avantages et Inconvénients Observés

    K-means

    ● Avantages :
    ○ Simple et rapide à implémenter.
    ○ Utile pour des clusters bien séparés.
    ● Inconvénients :
    ○ Mal adapté aux clusters de densité variable.
    ○ Sensible au bruit et aux valeurs aberrantes.
    Avantages et Inconvénients Observés

    DBSCAN

    ● Avantages :
    ○ Gère efficacement les formes complexes et le bruit.
    ○ Ne nécessite pas de spécifier le nombre de clusters à l’avance.
    ● Inconvénients :
    ○ Paramètres eps et min_samples difficiles à optimiser.
    ○ Moins performant pour des clusters très denses ou homogènes.
    Conclusion et Perspectives

    - K-means reste une méthode simple et efficace pour des ensembles


    de données homogènes et bien séparés.
    - DBSCAN est plus adapté aux données complexes avec des formes
    irrégulières et des zones bruitées.
    Perspectives :
    ● Intégration de méthodes hybrides pour exploiter les avantages des
    deux algorithmes.
    ● Exploration des clusters en fonction d'autres variables (temps, type de
    trajet).

    Vous aimerez peut-être aussi