Extraction de donnée

Bonjour,

Mon but est de créer un vecteur classe du type avec S le vecteur classe:

Code:

1
2
 
T=class.ind(S)

et j'ai mon vecteur S qui donnée par le Clustering vector suivante :

Code:

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
53
54
55
 
 
+ > S
K-means clustering with 5 clusters of sizes 429, 995, 1272, 678, 478
 
Cluster means:
           X1          X3         X5
1 0.296232207 0.038722860 0.66504493
2 0.025239954 0.006993070 0.96776698
3 0.971426658 0.002294533 0.02627881
4 0.008110973 0.980640144 0.01124888
5 0.661253576 0.014776919 0.32396951
 
Clustering vector:
   [1] 5 2 5 4 4 3 5 3 5 3 2 2 5 3 2 1 3 4 2 1 3 4 2 4 4 3 4 4 4 3 2 2 2 3 1 3 1 3 4 3 4 4 3 5 5 2 3 4 3 2 1 4 1 4 3 2 2 4 1 1 1 4 4 5 3 5 3 2 3 3 2 5 3 3 1 4 3 3 4 2 2 3 1 4 2 3 4 5 2 3 2 3 2 3 4 2 2 1 3 3 3 3 1 4 4 4 5 2 4 2 3 3 2 5 2 2 2 4 5 2 5 3 2
 [124] 3 2 3 5 2 1 4 4 2 1 3 3 5 4 2 3 4 2 5 4 1 4 1 4 4 4 4 1 2 4 2 1 3 1 3 3 3 5 4 3 3 4 2 5 2 4 2 4 2 5 2 3 4 3 4 2 4 4 4 3 5 1 3 3 2 4 4 3 4 5 3 1 3 3 3 2 4 3 3 3 1 3 2 4 3 1 5 5 2 2 3 5 4 3 3 1 3 3 3 3 2 3 3 2 5 5 2 5 5 2 3 2 2 1 1 2 5 4 2 1 3 3 3
 [247] 2 4 2 3 2 3 5 1 2 3 5 4 3 2 2 4 3 2 2 3 3 5 1 3 3 1 3 2 1 3 4 5 1 2 2 3 3 5 2 5 2 3 2 4 3 2 2 2 4 4 1 4 2 3 3 2 1 2 2 4 5 1 5 3 3 5 5 4 5 4 1 3 4 2 4 5 3 4 5 2 1 3 2 2 2 3 2 2 5 2 2 1 3 4 5 4 2 2 5 3 3 3 3 5 1 3 1 4 2 3 5 2 4 3 3 5 3 1 2 3 5 3 3
 [370] 4 1 4 3 4 4 2 4 2 2 5 3 4 2 3 3 5 3 3 4 1 3 5 3 1 2 5 3 4 4 1 3 3 2 3 3 3 2 4 4 3 1 1 1 3 2 3 3 5 3 3 1 4 2 5 3 1 4 4 2 5 2 4 2 1 1 2 5 3 3 5 3 2 4 3 2 4 3 3 3 2 5 1 1 2 5 3 2 3 5 4 4 3 4 3 3 2 3 2 3 3 2 4 3 5 4 2 5 2 2 4 3 4 1 2 3 1 4 5 3 2 3 2
 [493] 4 2 2 1 5 3 2 4 4 3 4 2 3 1 5 3 3 2 5 3 1 3 5 3 2 2 2 3 3 4 3 4 3 2 2 1 4 3 2 4 3 5 4 3 5 4 3 3 3 4 2 3 2 4 4 5 3 4 3 5 5 3 5 4 3 3 4 4 2 3 2 3 4 4 5 2 3 4 2 5 3 2 3 1 4 3 4 3 4 2 1 2 3 1 3 5 5 2 2 3 3 3 3 2 3 3 3 5 3 2 3 1 5 3 1 2 2 5 3 2 3 2 3
 [616] 2 1 5 3 1 3 3 3 3 5 1 3 2 5 4 4 1 5 4 3 4 3 4 3 2 4 2 4 1 1 4 2 2 4 2 1 3 2 3 3 3 5 3 3 2 5 2 1 2 4 5 5 1 2 3 3 3 4 2 3 2 4 5 4 4 3 3 1 3 2 2 3 4 4 1 5 3 5 4 1 3 2 2 4 1 4 3 2 3 3 2 1 1 3 3 2 5 3 3 3 2 3 3 1 5 3 1 2 2 4 2 2 5 1 1 2 3 1 5 2 3 2 3
 [739] 1 5 5 2 2 3 1 3 2 2 1 4 2 2 3 2 4 4 2 4 3 4 1 3 3 2 3 2 3 3 3 5 4 3 3 3 4 5 2 5 3 2 1 1 3 5 1 2 3 2 4 3 2 5 3 2 2 3 2 1 4 5 3 5 2 4 5 2 1 3 4 2 4 1 1 3 2 4 2 2 2 4 3 5 4 2 2 4 1 5 5 2 2 3 1 3 3 2 2 3 2 4 4 3 4 3 5 2 2 1 4 5 2 3 5 2 1 2 1 2 5 5 3
 [862] 3 5 2 5 2 3 5 2 3 3 1 4 4 3 2 4 1 1 1 5 5 3 2 4 2 2 5 3 2 3 3 2 5 3 1 3 5 3 3 4 5 2 2 5 5 4 3 4 3 5 2 3 3 3 3 3 3 3 3 4 4 4 4 2 3 3 2 5 3 5 3 2 4 5 2 2 3 3 3 3 3 1 3 4 3 2 3 2 1 4 4 3 4 3 3 3 1 2 3 3 1 2 3 2 4 2 2 1 2 3 5 4 4 4 5 4 2 3 2 4 2 1 5
 [985] 3 4 3 2 4 3 3 4 2 1 2 3 4 5 3 3 2 4 2 4 5 3 2 2 3 2 3 2 1 2 2 2 4 4 2 2 2 2 3 2 4 1 3 2 2 1 3 4 2 5 2 3 1 3 2 5 1 3 1 5 3 5 3 3 3 4 3 3 4 2 2 2 5 1 2 2 4 2 2 4 3 2 4 2 2 3 2 2 2 3 3 1 2 2 2 4 2 5 2 2 3 1 5 3 5 1 3 2 3 3 1 3 5 1 1 1 4 3 4 4 5 1 4
[1108] 2 3 2 3 1 2 2 1 1 1 3 5 2 2 3 4 3 1 1 3 3 2 3 3 3 2 1 2 3 3 2 5 4 2 1 5 3 4 2 3 4 1 3 4 5 2 3 3 4 5 1 3 4 3 2 2 3 1 2 1 1 3 4 2 1 4 5 5 4 2 4 1 3 3 3 5 2 5 1 2 1 2 2 1 2 4 1 3 2 2 3 2 2 1 3 1 2 3 4 2 4 3 2 5 2 2 3 1 3 4 2 1 2 2 4 3 4 2 3 3 2 3 3
[1231] 1 3 3 5 5 5 2 2 5 3 3 2 3 1 3 1 3 4 4 5 3 5 2 2 4 4 3 4 5 2 2 4 4 3 3 3 2 4 3 3 3 3 4 4 5 2 3 5 3 1 2 3 3 4 5 3 2 5 2 2 3 2 3 3 2 2 1 2 2 1 3 1 3 5 3 3 5 3 1 2 2 2 3 2 2 3 4 3 3 2 4 2 5 3 2 3 2 4 2 3 3 3 4 1 3 4 3 2 3 3 4 2 1 4 5 5 2 4 3 3 3 4 4
[1354] 4 3 1 5 3 4 2 3 2 5 2 5 2 3 4 2 3 5 4 4 5 3 2 5 3 3 1 2 4 2 3 2 4 3 2 4 3 3 5 2 2 3 2 2 5 2 3 2 3 4 3 3 2 1 3 2 1 3 4 5 4 3 3 3 1 5 2 4 5 2 4 2 2 2 2 1 5 3 3 2 2 2 3 4 2 2 1 5 1 2 3 4 1 5 2 4 4 2 3 1 4 2 4 1 4 4 3 2 1 2 2 3 5 2 2 3 3 5 2 2 1 3 4
[1477] 3 4 2 3 2 3 3 3 2 4 2 4 2 5 2 3 4 3 3 3 3 2 5 3 2 3 4 4 2 1 5 5 3 4 3 5 2 3 2 3 3 1 3 4 3 3 2 3 1 3 3 2 3 2 3 2 5 4 2 3 1 2 5 2 5 2 5 3 3 5 3 2 1 4 1 2 1 2 4 4 2 3 1 2 4 2 5 2 4 4 1 2 5 3 2 4 4 3 3 5 1 1 3 4 2 3 1 5 2 3 4 3 2 3 5 2 5 2 3 2 3 3 2
[1600] 3 3 3 2 1 3 4 4 5 4 3 1 4 2 3 1 2 1 5 3 1 2 2 1 3 2 3 3 3 3 3 3 5 3 3 1 2 3 2 2 2 1 3 3 1 1 2 2 2 1 3 2 3 2 3 3 2 3 3 3 3 1 5 4 3 2 5 2 4 5 4 2 3 3 3 3 2 3 5 4 3 2 4 2 1 3 1 1 3 3 5 1 4 3 3 2 5 2 2 2 4 2 2 3 2 3 3 2 3 5 3 1 4 3 5 3 5 1 3 5 1 1 2
[1723] 5 4 3 2 2 4 1 5 4 3 3 4 2 4 1 2 4 4 2 4 5 1 2 1 5 2 4 2 2 3 3 4 3 4 3 4 3 4 3 3 4 3 3 3 3 3 3 5 4 4 1 3 3 3 4 2 4 4 2 3 1 2 3 2 2 2 3 3 3 2 5 2 4 3 1 3 1 4 4 1 2 4 4 1 3 1 3 3 4 2 3 3 5 4 4 4 3 2 2 4 4 2 5 5 4 3 2 5 3 1 5 5 1 2 2 4 4 2 4 3 4 4 5
[1846] 2 2 4 4 2 3 2 3 2 2 1 2 4 4 3 2 5 3 3 3 3 2 2 2 2 5 2 4 2 1 3 1 3 4 1 3 2 3 5 2 2 1 3 4 1 5 2 4 3 2 4 1 3 5 5 1 5 1 3 2 5 3 2 3 4 3 3 3 3 4 3 3 1 4 4 3 2 3 3 4 3 5 4 3 3 3 3 3 4 2 5 2 2 4 3 3 3 4 2 2 3 3 4 1 3 3 5 5 3 3 3 3 4 3 2 3 3 4 4 4 5 2 2
[1969] 2 2 4 1 2 5 3 3 2 4 3 3 1 3 5 2 2 4 3 1 3 3 5 1 4 2 3 3 3 3 2 2 3 4 2 3 1 4 2 1 3 4 3 4 3 3 5 3 2 2 5 3 4 3 2 2 2 3 1 3 1 4 3 1 4 4 3 2 5 3 4 1 4 3 2 5 3 3 4 3 4 2 2 3 3 2 2 2 2 1 1 4 1 2 3 3 2 2 3 3 2 3 3 3 2 3 5 1 2 4 2 4 3 2 4 2 4 4 4 1 4 3 4
[2092] 3 2 3 3 3 4 4 4 4 4 2 3 3 3 3 4 5 5 5 3 4 5 4 3 3 5 3 3 4 3 3 2 4 3 1 4 4 4 4 2 5 4 3 3 3 2 1 3 5 2 3 2 2 3 3 2 4 2 5 4 2 2 4 2 2 5 2 1 5 2 1 3 3 3 2 2 2 2 4 3 3 2 2 2 2 1 1 3 3 3 4 2 3 4 2 3 4 3 3 3 5 3 2 4 2 2 3 3 4 4 1 2 3 5 2 5 3 4 3 3 2 2 3
[2215] 3 4 4 2 3 3 1 5 2 5 2 5 5 3 1 1 2 5 1 2 5 4 2 2 2 2 3 1 4 1 5 3 3 2 2 2 2 2 3 3 2 3 3 3 2 2 5 4 2 5 1 3 2 3 3 2 5 4 3 2 2 2 2 3 3 3 5 3 3 3 3 3 1 4 2 3 4 2 4 3 2 3 2 4 2 3 2 3 5 2 5 4 2 1 5 3 3 2 2 1 5 5 3 4 1 2 5 3 1 3 5 4 5 5 2 1 3 3 2 3 4 2 3
[2338] 3 5 2 2 4 5 3 2 4 1 2 4 3 3 3 4 3 3 4 2 4 4 4 3 4 3 4 4 4 2 2 4 1 4 1 4 3 2 1 4 3 4 5 3 3 1 2 3 2 5 1 2 3 3 2 1 4 3 3 1 5 3 5 3 4 2 4 5 3 3 2 1 5 2 3 3 5 2 2 2 5 3 3 2 1 3 3 2 3 3 4 4 2 4 3 4 4 1 4 2 4 2 2 4 5 3 2 3 2 5 3 1 2 2 2 4 2 5 2 3 1 5 5
[2461] 5 3 4 1 3 3 5 3 3 5 4 2 3 5 3 3 2 4 5 1 4 3 2 1 3 2 4 5 2 2 3 3 4 2 3 5 2 2 1 2 3 3 4 2 2 4 2 5 3 3 2 3 3 2 3 3 3 2 3 4 3 2 2 1 4 2 2 4 4 3 5 3 3 3 2 3 5 2 3 4 3 5 2 1 4 4 5 2 2 2 2 3 4 5 2 5 3 2 2 4 1 2 1 4 3 2 5 5 2 2 3 2 3 3 2 1 1 2 2 4 5 3 5
[2584] 3 5 4 2 2 2 3 1 2 2 3 2 5 3 3 2 3 2 3 1 3 2 5 5 5 5 2 2 4 5 3 3 1 2 5 3 2 4 2 3 3 2 2 3 4 1 3 4 3 4 2 3 2 5 4 5 5 3 3 3 2 1 2 1 3 3 3 3 2 3 4 1 3 3 2 3 2 1 1 4 2 2 2 3 2 2 4 1 2 2 3 3 3 1 5 3 2 2 3 3 2 5 1 3 3 3 3 5 3 5 3 3 5 3 2 3 2 3 3 4 4 4 3
[2707] 5 3 2 3 2 3 2 4 2 2 2 5 3 5 3 4 4 2 2 1 2 2 3 1 1 4 4 2 4 2 4 1 2 5 2 3 3 4 4 5 3 5 2 3 5 3 4 3 2 4 2 2 4 2 3 3 1 3 2 3 3 2 2 5 4 4 3 2 2 5 3 5 4 3 1 2 4 2 1 3 4 5 2 2 3 5 2 2 3 1 2 1 1 5 4 5 4 4 3 3 3 3 3 4 3 2 3 2 3 1 3 2 5 4 4 3 5 5 2 1 2 4 3
[2830] 3 5 2 2 3 4 3 2 2 5 2 4 3 3 5 5 3 3 2 4 4 4 3 4 3 5 4 2 2 5 4 2 2 3 3 3 3 5 4 3 1 3 5 5 3 2 4 3 3 2 2 4 2 2 5 5 4 2 5 4 2 4 2 4 5 2 2 1 3 2 3 2 3 3 1 3 4 4 1 2 1 3 3 4 2 3 3 5 3 2 4 1 5 3 1 3 2 2 2 1 5 1 2 5 3 2 5 1 2 3 2 1 3 2 3 4 3 2 3 4 1 3 3
[2953] 2 1 4 2 5 5 3 5 3 3 2 1 2 5 4 2 3 3 2 3 1 3 2 3 2 1 3 5 1 3 3 2 1 3 2 5 5 1 3 5 4 3 3 2 3 2 1 4 2 2 5 2 4 4 3 3 5 4 4 3 4 1 4 4 3 3 1 5 2 4 4 5 3 3 2 4 3 3 3 3 5 1 1 2 2 2 3 4 1 3 3 4 3 4 3 2 3 5 2 1 1 3 3 3 3 2 3 3 3 5 3 3 2 2 5 3 3 2 2 4 2 4 5
[3076] 2 1 4 3 3 2 2 4 4 3 2 5 2 3 1 5 3 4 2 1 3 5 1 1 3 4 3 2 1 3 5 4 3 2 5 4 5 1 2 2 3 2 1 1 4 1 3 1 2 3 3 4 2 5 2 1 5 3 1 5 2 3 5 4 1 3 3 1 4 1 3 3 3 1 3 1 1 3 2 1 4 4 4 1 5 2 1 5 3 3 3 3 3 3 2 4 1 2 3 2 3 3 3 4 2 4 3 4 4 3 3 3 4 5 1 3 3 5 2 3 3 5 3
[3199] 5 1 3 3 3 3 3 3 3 2 5 5 3 2 2 2 3 2 4 3 2 3 3 4 3 2 3 4 3 2 2 4 3 3 4 3 2 4 3 4 2 4 2 2 2 5 3 3 2 1 3 2 4 4 2 3 4 3 2 2 3 3 2 3 3 3 1 2 3 5 3 5 5 3 5 3 3 4 1 2 3 3 3 4 4 4 3 2 5 2 5 4 4 2 3 5 4 3 3 5 4 4 1 3 3 2 2 2 2 4 3 4 3 2 3 1 2 3 5 3 3 3 2
[3322] 3 3 3 5 2 3 3 5 3 3 4 3 3 1 2 2 2 4 2 4 2 4 3 3 3 4 2 3 1 1 5 4 3 2 2 5 4 4 2 3 2 1 3 5 5 2 2 4 2 3 1 5 3 4 3 3 2 3 1 2 2 3 4 2 2 3 3 3 3 3 1 2 2 2 4 3 1 1 2 2 1 3 4 1 3 5 3 2 2 1 3 2 2 3 3 3 4 2 3 4 3 3 4 5 3 3 3 4 3 1 3 3 3 3 1 1 3 2 3 3 3 2 1
[3445] 3 2 4 2 2 3 3 1 3 3 4 2 3 4 3 3 3 3 3 3 2 3 5 3 1 2 3 2 1 5 3 2 3 3 2 3 3 2 3 4 5 3 5 2 1 2 3 5 2 2 3 3 3 4 2 3 5 1 5 2 1 5 2 1 3 2 2 5 4 3 3 3 2 5 3 4 3 3 1 3 3 2 3 2 4 3 2 5 1 4 2 4 3 3 1 4 2 5 4 4 2 3 2 3 2 3 2 1 1 4 4 3 2 2 4 3 4 4 5 5 3 1 3
[3568] 4 3 2 3 3 3 1 3 3 3 2 4 4 3 5 4 2 3 5 1 1 3 3 2 1 2 3 4 2 3 3 3 4 3 3 5 4 4 2 1 3 1 4 5 5 3 4 1 4 1 3 4 3 3 4 4 3 4 1 3 3 1 2 3 3 5 3 3 3 3 1 2 4 3 3 3 1 5 3 3 2 2 3 3 5 5 2 3 5 4 5 3 5 3 4 4 3 1 2 5 1 4 2 3 3 2 2 2 2 3 2 4 2 4 1 3 1 3 2 2 3 2 3
[3691] 4 1 4 3 5 4 3 1 1 2 3 2 3 3 4 3 2 2 1 2 3 3 5 2 3 2 4 2 5 4 2 3 4 1 3 5 5 2 1 5 2 4 5 2 3 3 5 4 4 1 2 4 4 3 2 2 3 4 3 2 5 4 2 4 4 2 5 5 5 4 2 4 3 3 4 5 1 3 3 2 3 5 3 3 2 1 3 4 3 1 5 2 3 5 5 2 5 4 1 3 3 3 4 3 5 3 4 4 5 5 5 2 4 2 3 5 3 4 5 5 2 2 1
[3814] 4 2 3 4 1 3 4 5 2 3 3 2 2 3 3 4 2 4 1 4 2 5 2 4 4 4 3 3 5 4 3 2 5 3 3 3 2 3 3
 
Within cluster sum of squares by cluster:
[1] 16.278369  5.270039  6.231497  6.464966 12.316877
 (between_SS / total_SS =  97.5 %)
 
Available components:
 
[1] "cluster"      "centers"      "totss"        "withinss"     "tot.withinss" "betweenss"    "size"        
>

Comment faire ?

Merci pour toute votre aide
Laurent

Bonjour,

Veuillez m'excuser mais votre demande n'est pas très claire (je crois même que vous avez oublié des mots dans votre première phrase...).
De plus, le code que vous fournissez n'est pas reproductible : vous ne donnez pas le code qui permet de créer l'élément S par exemple ! A partir de là on ne peut faire que des suppositions...

De ce que j'en ai compris (mais je suis peut-être totalement à côté de la plaque...), vous cherchez à récupérer dans un vecteur les numéros de classe correspondant à chacun de vos différents individus?
Dans ce cas, si comme je le suppose votre élément S a été créé à l'aide de la fonction "kmeans", vous pouvez y accéder comme suit :

Code:

S$cluster

Enfin, lorsque vous citez l'utilisation d'une fonction ("class.ind"), merci de préciser le package utilisé.
En effet, plus vous donnerez d'informations, plus vous faciliterez la tâche de ceux qui essaient de vous aider.

Bonne continuation :)

Cordialement,

A.D.

si j'ai une petite idée , je te dirais de commencer à faire exple

Code:

names (tonresultat.cluster)

ou

Code:

sltr(tonresultat.cluster)

pour voir d'abord ce que t'as comme objet et fais comme ce que t'a montre AD avec

Code:

cluster$objetcherche

Merci beaucoup c'est parfait