Analyse de données : expliquer une variable à partir d'autres variables

Bonjour,

Avant tout, j'espère avoir publier ma question dans la bonne discussion sinon je pourrais toujours la déplacer.

J'ai à ma disposition des données numériques sous forme matricielle. Les variables sont au nombre de 20 (nuages détectés (0 ou 1), pluie(mm), ensoleillement, date, etc.).
Je cherche à expliquer la variable nuage détecté par les autres variables/features.
Je souhaiterai avoir une certaine règle de décision me donnant w, x, y et z tels que : si x<pluie<y et w<ensoleillement<z alors nuage détecté.

Je ne sais pas comment m'y prendre sachant que certaines variables ne sont pas forcément importantes (j'ai pensé à faire une ACP). Aussi j'ai pensé à faire du Random Forest, même si je ne cherche pas à prédire, mais c'est plus dans l'idée de retracé son arbre de décision.

Si vous avez de nouvelles idées je suis prenante,

Merci,
Yazaki

:salut:

Citation:

---

Envoyé par yazaki

Aussi j'ai pensé à faire du Random Forest, même si je ne cherche pas à prédire, mais c'est plus dans l'idée de retracé son arbre de décision.

---

Justement, je dirais le contraire : tu cherches à prédire si tu as un nuage. Maintenant, les forêts ne vont pas te donner de règle de cette forme-là, mais plutôt une série de telles règles à pondérer… Regarde plutôt du côté des arbres de décision, ça aura plus la forme que tu cherches.

Salut !

Merci pour ta réponse, je suis donc passée par un arbre de décision mais me voilà avec un nouveau problème : je n'ai plus 1 variable à expliquer mais plutôt 3 variables à expliquer continues.

J'ai découvert la méthode PLS (Partial Least Squares) qui théoriquement devrait résoudre mon soucis mais en pratique ça me fait de la prédiction …

Je suis un peu perdue là ^^

Merci,
Yazaki