Discussion :

[senderia]

Bonjour,

Je dois créer une fonction selon ce modèle

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

adq = function(independent,class)

qui doit prendre en paramètre un vecteur independent qui contiendra les valeurs de la variable explicative pour les différents individus, et un facteur class contenant la classe d'appartenance de chacun de ces individus.

La fonction doit renvoyer une liste créer de cette manière :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

list(apriori=apriori,mu=mu,sigma=sigma)

Cette liste contiendra donc dans le vecteur apriori les probabilités a priori, dans le vecteur mu les moyennes et dans le vecteur sigma les écarts-types.

j'ai tenté déjà de créer la fonction mais je ne comprend pas trop pourquoi cela ne fonctionne pas.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

adq=function(independent=donnee[,-5],class=donnee[,5])

donnee=ma table de données
Ma table comprends 5 variables, 4 quantitatives que je prends en paramètre dans independente et 1 variable qualitative la 5ème colonne.

Pourriez-vous me dire ce qui ne va pas dans ma fonction?

merci bien.

[senderia]

Re,

J'ai approfondie la chose , voici le résultat...qui ne fonctionne pas..

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
data(donnee)
edit(donnee)
adq=function(independent,class){
	ad=qda(app[,-5],grouping=app[,5]) 
	res=predict(ad,newdata=test[,-5])
	apriori=0
	mu=0
	sigma=0
}

merci.

[Ayest]

En l'état, ta fonction ne renvoie rien. Si tu veux renvoyer une liste, tu dois la modifier de la maniere suivante :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
 
data(donnee)
edit(donnee)
adq=function(independent,class){
	ad=qda(app[,-5],grouping=app[,5]) 
	res=predict(ad,newdata=test[,-5])
	list(apriori=0, mu=0, sigma=0)
}

J'avoue que je ne vois pas trop l'intérêt de cette fonction, qui renvoie une liste constante, et je soupçonne d'avoir mal compris le problème. J'espère que ca peut aider quand meme.

[senderia]

Bonjour,

Merci pour la réponse, alors en fait,

on souhaite dans cette question programmer un ensemble de fonctions permettant d'effectuer une analyse discriminante quadratique. On se restreint ici au cas unidimensionnel (une seule variable prédictive), pour un problème de discrimination à trois classes.

1.1.2 Estimation du modèle
Ecrire une fonction adq = function(independent,class) qui prendra en paramètres un
vecteur independent qui contiendra les valeurs de la variable explicative pour les différents individus, et un facteur class contenant la classe d'appartenance de chacun de ces individus.

La fonction renverra une liste créeé de la manière suivante :
list(apriori=apriori,mu=mu,sigma=sigma)
Cette liste contiendra donc dans le vecteur apriori les probabilités a priori, dans le vecteur mu les moyennes et dans le vecteur sigma les écarts-types.

Voilà ce que je dois faire ..

[Ayest]

D'après ce que je vois dans la doc de la fonction qda, ca donnerait

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
 
data(donnee)
edit(donnee)
adq=function(independent,class){
	ad=qda(app[,-5],grouping=app[,5]) 
	res=predict(ad,newdata=test[,-5])
	list(apriori=ad$prior, mu=ad$means, sigma=ad$scaling)
}

A ceci près que je ne suis pas sur que ad$scaling conviennent, mais tu trouveras ce dont tu as besoin en t'appuyant sur ce modèle.
Du coup, 'predict' ne sert pas...

[senderia]

Bonjour,
Merci pour la réponse, je vais tester ça ce matin.

Bonne journée!

[senderia]

Re,
j'ai juste encore une question dois-je obligatoirement passer par une boucle for pour calculer mu, sigma et les proba à priori ou puis-je passer par là ?

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
17
18
adq=function(independent,class){
ad=qda(app[,-5],grouping=app[,5]) 
res=predict(ad,newdata=test[,-5])
list(apriori=0, mu=0, sigma=0)
 
mu1=mean(res$x[app[,5]=="1",1])
mu2=mean(res$x[app[,5]=="2",1])
mu3=mean(res$x[app[,5]=="3",1])
 
sd1=sd(res$x[app[,5]=="1",1])
sd2=sd(res$x[app[,5]=="2",1])
sd3=sd(res$x[app[,5]=="3",1])
 
apriori1=sum(app[,5]=="1")/nrow(app)
apriori2=sum(app[,5]=="2")/nrow(app)
apriori3=sum(app[,5]=="3")/nrow(app)
 
}

mercii

[Ayest]

Bonjour,

utilisez la fonction 'tapply' ou 'aggregate'. Je vous laisse regarder la doc, et les exemples qu'elle contient.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
 
> ?tapply
> ?aggregate

[senderia]

Bonjour,

Je regarde ça.
Je vous remercie.

[senderia]

Re-bonjour,

J'ai tout essayé et rien ne fonctionne
j'ai fait ceci mais je ne comprends ce qui ne fonctionne pas!!

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
17
18
19
20
21
22
23
24
25
26
27
28
29
data(donnee)
edit(donnee)
 
index=sample(1:150,150,replace=F) # créer un nouveau vecteur 
index
data=iris[index,] #créer un nvx jeu de donnée permuté
 
app=data[1:100,]
test=data[101:150,]
 
adq=function(independent,class){
ad=qda(app[,-5],grouping=app[,5]) 
res=predict(ad,newdata=test[,-5])
list(apriori=0, mu=0, sigma=0)
 
mu1=mean(res$x[app[,5]=="1",1])
mu2=mean(res$x[app[,5]=="2",1])
mu3=mean(res$x[app[,5]=="3",1])
 
sd1=sd(res$x[app[,5]=="1",1])
sd2=sd(res$x[app[,5]=="2",1])
sd3=sd(res$x[app[,5]=="3",1])
 
apriori1=sum(app[,5]=="1")/nrow(app)
apriori2=sum(app[,5]=="2")/nrow(app)
apriori3=sum(app[,5]=="3")/nrow(app)
 
}
adq(app[,-5],app[,5])

je commence à désépsérer car ça fait 4 jours que je suis dessus

[Ayest]

En l'état, ta fonction ne retourne rien. Elle doit se terminer par une expression (par exemple list(...)). Tu peux mettre 'return(list(...))', mais ca n'est pas obligatoire.


Voilà ton code corrigé :

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
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
data(donnee)
edit(donnee)
 
index=sample(1:150,150,replace=F) # créer un nouveau vecteur 
index
data=iris[index,] #créer un nvx jeu de donnée permuté
 
app=data[1:100,]
test=data[101:150,]
 
adq=function(independent,class){
ad=qda(app[,-5],grouping=app[,5]) 
res=predict(ad,newdata=test[,-5])
# list(apriori=0, mu=0, sigma=0)       INUTILE
 
mu1=mean(res$x[app[,5]=="1",1])
mu2=mean(res$x[app[,5]=="2",1])
mu3=mean(res$x[app[,5]=="3",1])
 
sd1=sd(res$x[app[,5]=="1",1])
sd2=sd(res$x[app[,5]=="2",1])
sd3=sd(res$x[app[,5]=="3",1])
 
apriori1=sum(app[,5]=="1")/nrow(app)
apriori2=sum(app[,5]=="2")/nrow(app)
apriori3=sum(app[,5]=="3")/nrow(app)
 
### Ici tu indiques la valeur de retour de ta fonction
list(apriori=c(mu1,mu2,mu3),sd=c(sd1,sd2,sd3),apriori=c(apriori1,apriori2,apriori3))
}
adq(app[,-5],app[,5])

[/code]

[senderia]

Ahh oui.... je n'avais pas pensé à ça
olala merci c'est gentil d'avoir corrigé le code.
je tente ça demain .
bonne soirée.

[ricoben]

Bonjour,
je recherche une fonction qui appliquée à un vecteur numérique, me renvoie autant de vecteur unique qu'il y a de couples possibles?
vecteur d'origine c(1,2,3,4,5)
renvoie
c(1,2)
c(1,3)
c(1,4)
c(1,5)
c(2,3)
c(2,4) etc...
merci d'avance

[Ayest]

Bonjour,

C'est préférable de créer une nouvelle discussion lorsqu'il s'agit d'un nouveau sujet ; ca facilite la recherche.

La réponse en ta question est donné par la fonction 'unique'

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
17
18
19
20
21
22
23
 
> ?unique
 
> d=cbind(sample(1:5,8,replace=TRUE),sample(1:5,8,replace=TRUE))
> d
     [,1] [,2]
[1,]    4    2
[2,]    4    3
[3,]    2    1
[4,]    4    5
[5,]    2    2
[6,]    4    5
[7,]    2    4
[8,]    1    5
> unique(d)
     [,1] [,2]
[1,]    4    2
[2,]    4    3
[3,]    2    1
[4,]    4    5
[5,]    2    2
[6,]    2    4
[7,]    1    5

[ricoben]

Erreur d'affectation de message
merci de la réponse