Discussion :

[selverine]

Bonjour à tous,

Je dois résoudre de "la meilleure façon" la problématique suivante:

J'ai un fichier de données contenant des informations sur des moyens de transport: Vitesse moyenne, accélération, freins, trajectoire etc.
Le dernier champ de mes données est le type de transport: Train - Voiture - Non Connus.

Mon objectif serait de faire un code en R afin de déterminer pour les moyens de transport inconnus si c'est un train ou une voiture.

Ma logique serait la suivant:

En fonction de la vitesse moyenne de mon moyen de transport inconnu, je prends X ligne de train et X ligne de voiture ayant la vitesse moyenne similaire.
Après je pense faire la moyenne des autres champs ( accélération, trajectoire etc) en fonction du type (voiture ou train) et je regarde si ma valeur inconnue est plus proche du train ou de la voiture pour chaque champ.

Qu'en pensez-vous?

Merci par avance pour votre aide,

Cdt,

Selverine

PS: Je ne demande pas le code juste un feedback sur ma logique :-)

[chautho]

Bonjour,

Je ne sais pas si tu t'y connais en statistique/modélisation mais tu peux utiliser tes variables : Vitesse moyenne, accélération, freins, trajectoire etc. comme variable explicatives dans un modèle pour "prédire" la variable "type de transport".

Le "truc" consisterait à utiliser les données où tu connais le type de véhicule (voitrue/train) pour faire apprendre ton modèle. En suite tu utilise ce modèle pour prédire dans les données ta classe inconnue. Certains modèles peuvent même te donner la probabilité d'appartenance du véhicule à la classe train ou voiture !

Bref si tu vois un peu ce que je veux dire je peux te guider plus loin si tu veux !

[Theta]

Et quelque soit la méthode que tu utilises pour voir si ça marche n'oublie pas de faire une validation croisée.

[selverine]

Bonjour Theta, chautho,

Merci pour vos réponses.
Je dois bien l'avouer je n'ai pas du tout de connaissance sur la méthode que vous avez décrite.
Je suis débutant. J'ai suivi un cours en ligne de R mais ce point n'a pas été abordé.

Afin de ne pas vous poser 3000 stupides questions, est-ce que vous avez un bon tuto à me recommander pour la fabrication de modèle afin de prédire ma variable?

Merci beaucoup!

Selverine

[chautho]

Bonjour,

Je te conseille le site http://wikistat.fr contenant de nombreuses resources (cours/scénario d'utilisation) pour tout ce qui est statistique, exploration des données et modélisation. Sinon tu peux regarder le site pour une utilisation plus rapide tu peux regarder ici : http://www.statmethods.net/advstats/cart.html et tester des arbre de classification (part sous R) ou randomforest qui est encore plus puissant (et performant).

Aurais-tu un extrait de ton jeu de données pour que l'on puisse te guider ?

[selverine]

Parfait! Je vais donc m'amuser avec ses tutoriels aujourd'hui :-).

Ci-joint des données.
Concernant les entêtes:

PSD : Pourcentage de point GPS correctement mappé
"std_speed" : Vitesse de dérivation
Les _a sont pour les accélérations.
Les _b pour les freins.

Merci beaucoup pour ton aide!

Selverine

[chautho]

Bonjour,

J'ai un peu regardé tes données et essayer quelques trucs. J'obtiens des résultats plutôt pas mauvais avec Random Forest (forêts aléatoires), seule méthode que j'ai utilisé.

J'ai utilisé le package caret (que je te conseille si tu souhaite faire de la modélisation).

Si tu as besoin d'aide n'hésite pas à venir poser des questions !