Ce contenu explique le K-Means Clustering, une méthode d'apprentissage non supervisé pour trouver des groupes dans des données non étiquetées. Il détaille l'algorithme étape par étape, les concepts clés comme les centroïdes et l'inertie, et les méthodes pour choisir le nombre optimal de clusters (K).
Cette étude applique un flux de travail d'apprentissage automatique non supervisé, utilisant le clustering K-means, pour l'analyse d'électrofacies et la caractérisation de la porosité dans les données de diagraphie en bassin offshore. La méthodologie a identifié quatre électrofacies distinctes avec une séparation modérée, offrant une approche robuste basée uniquement sur les diagraphies pour l'interprétation géologique en l'absence de données de carottes.