classification ascendante hiérarchique

Bonjour,

Je suis entrain d'appliquer une CAH sur une grosse base de données avec (10 variables) et (3860 observations).

J'ai utilisé :

• la library "ade4" pour faire l'ACM et calculer la matrice des distances

• la library "fastcluster" pour calculer et traçer le dendrogramme qui est, logiquement, non interprétable.

( la méthode utilisé est "Ward.D2")

Du coup, j'ai procédé par le seuillage pour le découper et pour mieux étudier les liaisons entre les observations.[/LIST]

Merci de trouver, ci-joint, le graph de la projection de typologie obtenues selon les 4 premiers axes.
Pièce jointe 201118
Ma question est la suivante :

Comment où avec quelle commande je pourrais savoir :

• Gràce à quelles variables les classes sont obtenues dans le dendrogramme ?

• dans la projection des typologie, les classes, par exemple 2 et 5, sont trés proches par l'effet de quelles variables ?

Merci,
Bien cordialement.

Bonjour,

Il n'est pas très facile d'interpréter les résultats obtenus avec fastcluster (de mon point de vue).

Le jeu de données n'étant pas encore trop important, il existe un autre package qui permet de réaliser ACM + CAH, il s'agit de FactoMineR, où il y a beaucoup d'information sur les résultats, facilement interprétables.

Un petit exemple de code simple

Code:

---

1 2 3 4 5 6 7 8 9

library(FactoMineR) res.MCA<-MCA(data) # si on ne possède que des variables qualitatives actives (pas d'illustratives). On peut choisir le nombre de dimension à conserver avec l'option ncp (qui vaut 5 par défaut)   res.MCA $ donne accès à la liste des résultats de l'ACM   res.HCPC<-HCPC(res.MCA) #option nb.clust pour le nombre de groupe à conserver   res.MCA $ pareil pour les résultats avec les groupes issus du CAH, notamment la caractérisation des groupes.

---

Il existe toute une aide sur le sujet http://factominer.free.fr/index_fr.html (Les éditeurs sont français)


En utilisant cela, les réponses à tes questions seraient :

Pour les variables les plus discriminantes, il s'agit de res.hcpc$desc.var$test.chi2 où tu obtiens les variables les plus discriminantes dans l'ordre.

Pour voir les différences entre classes, il faut regarder la différence sur les caractérisations entre classes, par la commande res.hcpc$desc.var puis chercher les groupes que tu cherches à différencier?

En espérant que cela te sera utile.