1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52
| n=500
for (i in (1:n)) {
vin1=sample(hedovin,30)
colnames(vin1)
{
# Estimation
# discretspace espace déjà défini de 50*50 points auxquels je vais affecter les notes ainsi que nbconsos
notes=rep(0,nrow(discretspace))
nbconsos=rep(0,nrow(discretspace))
for (nom in names(vin1))
{
modele=as.formula(paste(nom,"~I(F1*F1)+I(F2*F2)+F1*F2"))
reg=lm(modele,data=vin1)
pr=predict(reg,newdata=discretspace)
preference=(pr> mean(vin1[[nom]])) # Les préférences sont définies telles que les pr sont supérieurs au moyennes des notes par conso
notes=notes+pr
nbconsos=nbconsos+preference
}
nb.conso=length(colnames(vin1))
nb.conso
notes1=notes/nb.conso
nbconsos1=nbconsos*100/nb.conso
}
vin2=hedovin[-c(vin1[,]),-c(vin1[,])]
{
for (nom in names(vin2))
{
modele=as.formula(paste(nom,"~I(F1*F1)+I(F2*F2)+F1*F2"))
reg=lm(modele,data=vin1)
pr=predict(reg,newdata=discretspace)
preference=(pr> mean(vin2[[nom]]))
notes=notes+pr
nbconsos=nbconsos+preference
}
nb.conso=length(colnames(vin1))
nb.conso
notes2=notes/nb.conso
nbconsos2=nbconsos*100/nb.conso
summary(nbconsos)
}
Ecartnote[i]=sum((notes2-notes1)^2)/(nbpoints^2)
Ecartconso[i]=sum((nbconsos2-nbconsos1)^2)/(nbpoints^2)
} |
Partager