Discussion :

[hoccha]

Bonjour,

J'ai besoin de votre aide pour résoudre un petit problème classification. Je ne connais pas les outils (de base) que propose R... et je suis certain qu'il en existe beaucoup

Voici un petit problème de type "hello word" de classification.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
 
V1 <- c( rnorm(n=100,mean=4) , rnorm(n=100,mean=-4) , rnorm(n=100))
V2 <- c( rnorm(n=100,mean=4) , rnorm(n=100,mean=-4) , rnorm(n=100))
V3 <- c( rnorm(n=100,mean=4) , rnorm(n=100,mean=-4) , rnorm(n=100))
V4 <- c( rnorm(n=100,mean=4) , rnorm(n=100,mean=-4) , rnorm(n=100))
 
datas <- data.frame(V1=V1 , V2=V2 , V3=V3 , V4=V4)

Il y a donc ici dans "datas": 300 échantillons, 4 variables et trois classes.

Pourriez-vous svp me montrer les méthodes (simple, basique) pour trouver les 3 classes.

merci!

[pitipoisson]

Bonjour,

Pour commencer une piste (sans doute parmi d'autres) :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

?kmeans

Et en bonus une petite méthode (un peu trop) artisanale pour trouver le nombre optimal de groupes

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
n.1 <- nrow(datas)
# find the within group sum of squares (ss) for all the data:
wss1.1 <- (n.1-1)*sum(apply(datas, 2, var))
 
# Calculate the within group ss for 2 to 15 group partitions given by K-mean clustering:
wss.1 <- numeric(0)
for(i in 2:15){
   w <- sum(kmeans(datas, i, iter.max=100, nstart=25)$withinss)
   wss.1 <- c(wss.1, w)
}
 
wss.1 <- c(wss1.1, wss.1)
 
## Looking for abrupt changes in the slope:
plot(1:15, wss.1, type="l", xlab="Number of groups",
     ylab="Within group sum of squares", main="Find the break...", lwd=2)

Bon, bin là, pas de doute, c'est 3

[hoccha]

merci :-)

[pitipoisson]

Re,

Concernant les classifications hiérarchiques :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

?hclust

Voir également les packages cluster et mclust... Et d'une manière générale, tous ceux chargés par le package clValid qui - avec la fonction éponyme - permet de comparer plusieurs méthodes.
Concernant ce dernier, jeter également un œil à la fonction optimalScores().

[dz_robotix]

Bonjour,

J'ai 2 petite questions si vous me le permettez.
1-que représente au juste le WSS pour un cluster.


3- Est ce que vous avez d'autres références concernant les fonctions de validation du clustering sous R , nottament Kmeans, Cmeans....

Merci à l'avance.

Bonjour,

Pour commencer une piste (sans doute parmi d'autres) :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

?kmeans

Et en bonus une petite méthode (un peu trop) artisanale pour trouver le nombre optimal de groupes

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
n.1 <- nrow(datas)
# find the within group sum of squares (ss) for all the data:
wss1.1 <- (n.1-1)*sum(apply(datas, 2, var))
 
# Calculate the within group ss for 2 to 15 group partitions given by K-mean clustering:
wss.1 <- numeric(0)
for(i in 2:15){
   w <- sum(kmeans(datas, i, iter.max=100, nstart=25)$withinss)
   wss.1 <- c(wss.1, w)
}
 
wss.1 <- c(wss1.1, wss.1)
 
## Looking for abrupt changes in the slope:
plot(1:15, wss.1, type="l", xlab="Number of groups",
     ylab="Within group sum of squares", main="Find the break...", lwd=2)

Bon, bin là, pas de doute, c'est 3

[pitipoisson]

1-que représente au juste le WSS pour un cluster.

WSS = Within sum of squares, soit la somme des carrés des écarts à la moyenne...
comme le suggère

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

wss1.1 <- (n.1-1)*sum(apply(datas, 2, var))

Sur plusieurs variables, ce doit être la somme des distances au barycentre du groupe, au carré.

3- Est ce que vous avez d'autres références concernant les fonctions de validation du clustering sous R , nottament Kmeans, Cmeans....

Toute aide bien faite d'une fonction statistique doit comporter des références.
Pour K-means par exemple, faire

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

> ?kmeans

pour accéder à l'aide.

[dz_robotix]

Merci beaucoup petit Poisson,

J'ai utilisé la fonction fclustIndex pour valider mon clustering avec cmeans,...
Mais j'obtiens cette erreur:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
 
Erreur dans solve.defalt(scatteer[, , i]): sous programme Lapack dgesv : le systeme est exactement singulier.

une idée sur ça?

merci d'avance.

WSS = Within sum of squares, soit la somme des carrés des écarts à la moyenne...
comme le suggère

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

wss1.1 <- (n.1-1)*sum(apply(datas, 2, var))

Sur plusieurs variables, ce doit être la somme des distances au barycentre du groupe, au carré.

Toute aide bien faite d'une fonction statistique doit comporter des références.
Pour K-means par exemple, faire

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

> ?kmeans

pour accéder à l'aide.

[pitipoisson]

J'ai utilisé la fonction fclustIndex pour valider mon clustering avec cmeans,...
Mais j'obtiens cette erreur:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
 
Erreur dans solve.defalt(scatteer[, , i]): sous programme Lapack dgesv : le systeme est exactement singulier.

une idée sur ça?

Je ne peux pas te répondre sans voir le code qui génère l'erreur (et même avec, je n'en suis pas certain).