Discussion :

[FMarwen]

Bonjour,

J'ai une question qui peut être simple mais je n'ai pas une réponse: j'ai appliqué une classification sur un jeu de données en utilisant la fonction HCPC. J'ai eu 4 classes, ma question est comment déterminer un nombre k données des individus les plus éloignés de centre de classe (dans la même classe) ? Merci à vous.
Bonne journée.

[VonVelten]

Bonjour,

A ma connaissance, il n'est pas possible d'avoir les k éléments les plus éloignés des centres de classe (à l'inverse des parangons qui sont donnés).

Du coup, Il me semble qu'il faut récupérer les classes de chaque individu (à partir des résultats de HCPC), reprendre leurs coordonnées factorielles (à partir de l'ACP/ACM:etc...) et recalculer les centres de classes et les distances à ces classes (Si j'ai bon souvenir, il faut pondérer ses distances par les valeurs propres associées à chacun des nouveaux axes factoriels).

On peut alors extraire les k éléments les plus distants. Je pense que cela demande un peu de calcul et un peu de temps à écrire mais la méthode reste simple.

Cordialement

VV

[Supernul]

Le paquet FactomineR pourrait répondre partiellement à cette question mais affiche seulement les 5 individus les plus proches ou les plus éloignés. Regarde aussi du côté des ade4 et de dudi.dist.

[FMarwen]

Bonjour,

Malheureusement, avec l'option $desc.ind on peut voir que les 5 parangons les point les individus les plus proches du centre de classe ou les individus les plus éloignés des centres des autres classes.
Ce que je veux c'est les k points les plus éloignés dans la même classe.

[tototode]

Bonjour,

Malheureusement, avec l'option $desc.ind on peut voir que les 5 parangons les point les individus les plus proches du centre de classe ou les individus les plus éloignés des centres des autres classes.
Ce que je veux c'est les k points les plus éloignés dans la même classe.

Bonjour,
il te suffit de spécifier un nb.par plus grand que ton nombre d'individus dans la commande HCPC. Comme ça dans hc$desc.ind$para tu auras toutes les distances et tu n'as plus qu'a sélectionner les k plus grandes.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
k <- 10
lapply(hc$desc.ind$para, function(x) sort(x, decreasing = TRUE)[1:k])

Cdlt

[FMarwen]

Merci à vous.