Enviar búsqueda
Cargar
Benharratharijtp2 classification
•
0 recomendaciones
•
703 vistas
ARIJ BenHarrath
Seguir
Méthodes de classification
Leer menos
Leer más
Datos y análisis
Denunciar
Compartir
Denunciar
Compartir
1 de 12
Descargar ahora
Descargar para leer sin conexión
Recomendados
Knn
Knn
Malak Souf
Algorithme knn
Algorithme knn
Wassim Lahbibi
Exposé segmentation
Exposé segmentation
Donia Hammami
les arbres de décision ou de régression
les arbres de décision ou de régression
Mariem Chaaben
Benharratharijtp4 arbre de décision
Benharratharijtp4 arbre de décision
ARIJ BenHarrath
Introduction au Machine Learning
Introduction au Machine Learning
Mathieu Goeminne
02 correction-td smi-s3-algo2
02 correction-td smi-s3-algo2
L’Université Hassan 1er Settat
regression_logistique.pdf
regression_logistique.pdf
SidiAbdallah1
Recomendados
Knn
Knn
Malak Souf
Algorithme knn
Algorithme knn
Wassim Lahbibi
Exposé segmentation
Exposé segmentation
Donia Hammami
les arbres de décision ou de régression
les arbres de décision ou de régression
Mariem Chaaben
Benharratharijtp4 arbre de décision
Benharratharijtp4 arbre de décision
ARIJ BenHarrath
Introduction au Machine Learning
Introduction au Machine Learning
Mathieu Goeminne
02 correction-td smi-s3-algo2
02 correction-td smi-s3-algo2
L’Université Hassan 1er Settat
regression_logistique.pdf
regression_logistique.pdf
SidiAbdallah1
Data mining - Introduction générale
Data mining - Introduction générale
Mohamed Heny SELMI
5.1 K plus proches voisins
5.1 K plus proches voisins
Boris Guarisma
Naive bayes
Naive bayes
umeskath
Regression lineaire simple
Regression lineaire simple
Mehdi Rajawi
Merise
Merise
basy15
Les arbres de décisions
Les arbres de décisions
Mariem Chaaben
Vision et traitement d'images
Vision et traitement d'images
Wided Miled
Chap III : Cours de Modélisation & Simulation des systèmes
Chap III : Cours de Modélisation & Simulation des systèmes
Mohammed TAMALI
Data mining - Classification - arbres de décision
Data mining - Classification - arbres de décision
Mohamed Heny SELMI
Chp2 - Les Entrepôts de Données
Chp2 - Les Entrepôts de Données
Lilia Sfaxi
réseaux de neurones artificiels
réseaux de neurones artificiels
Oussama Werfelli
Apprentissage supervisé.pdf
Apprentissage supervisé.pdf
hanamettali
Analyse Factorielle des Correspondances
Analyse Factorielle des Correspondances
Jaouad Dabounou
Datajob 2013 - Construire un système de recommandation
Datajob 2013 - Construire un système de recommandation
Djamel Zouaoui
Les réseaux de neurones convolutifs CNN
Les réseaux de neurones convolutifs CNN
SALMARACHIDI1
Algorithme & structures de données Chap III
Algorithme & structures de données Chap III
Ines Ouaz
Analyse de données avec spss,
Analyse de données avec spss,
Mohamed Amine Sansar
5.2 Régression linéaire
5.2 Régression linéaire
Boris Guarisma
AI Apprentissage Automatique, Machine Learnig
AI Apprentissage Automatique, Machine Learnig
Felipe Sanchez Garzon
Analyse merise Prof. Khalifa MANSOURI
Analyse merise Prof. Khalifa MANSOURI
Mansouri Khalifa
An Empirical Comparison of Fast and Efficient Tools for Mining Textual Data
An Empirical Comparison of Fast and Efficient Tools for Mining Textual Data
vtunali
Clustering
Clustering
Jagdeep Singh
Más contenido relacionado
La actualidad más candente
Data mining - Introduction générale
Data mining - Introduction générale
Mohamed Heny SELMI
5.1 K plus proches voisins
5.1 K plus proches voisins
Boris Guarisma
Naive bayes
Naive bayes
umeskath
Regression lineaire simple
Regression lineaire simple
Mehdi Rajawi
Merise
Merise
basy15
Les arbres de décisions
Les arbres de décisions
Mariem Chaaben
Vision et traitement d'images
Vision et traitement d'images
Wided Miled
Chap III : Cours de Modélisation & Simulation des systèmes
Chap III : Cours de Modélisation & Simulation des systèmes
Mohammed TAMALI
Data mining - Classification - arbres de décision
Data mining - Classification - arbres de décision
Mohamed Heny SELMI
Chp2 - Les Entrepôts de Données
Chp2 - Les Entrepôts de Données
Lilia Sfaxi
réseaux de neurones artificiels
réseaux de neurones artificiels
Oussama Werfelli
Apprentissage supervisé.pdf
Apprentissage supervisé.pdf
hanamettali
Analyse Factorielle des Correspondances
Analyse Factorielle des Correspondances
Jaouad Dabounou
Datajob 2013 - Construire un système de recommandation
Datajob 2013 - Construire un système de recommandation
Djamel Zouaoui
Les réseaux de neurones convolutifs CNN
Les réseaux de neurones convolutifs CNN
SALMARACHIDI1
Algorithme & structures de données Chap III
Algorithme & structures de données Chap III
Ines Ouaz
Analyse de données avec spss,
Analyse de données avec spss,
Mohamed Amine Sansar
5.2 Régression linéaire
5.2 Régression linéaire
Boris Guarisma
AI Apprentissage Automatique, Machine Learnig
AI Apprentissage Automatique, Machine Learnig
Felipe Sanchez Garzon
Analyse merise Prof. Khalifa MANSOURI
Analyse merise Prof. Khalifa MANSOURI
Mansouri Khalifa
La actualidad más candente
(20)
Data mining - Introduction générale
Data mining - Introduction générale
5.1 K plus proches voisins
5.1 K plus proches voisins
Naive bayes
Naive bayes
Regression lineaire simple
Regression lineaire simple
Merise
Merise
Les arbres de décisions
Les arbres de décisions
Vision et traitement d'images
Vision et traitement d'images
Chap III : Cours de Modélisation & Simulation des systèmes
Chap III : Cours de Modélisation & Simulation des systèmes
Data mining - Classification - arbres de décision
Data mining - Classification - arbres de décision
Chp2 - Les Entrepôts de Données
Chp2 - Les Entrepôts de Données
réseaux de neurones artificiels
réseaux de neurones artificiels
Apprentissage supervisé.pdf
Apprentissage supervisé.pdf
Analyse Factorielle des Correspondances
Analyse Factorielle des Correspondances
Datajob 2013 - Construire un système de recommandation
Datajob 2013 - Construire un système de recommandation
Les réseaux de neurones convolutifs CNN
Les réseaux de neurones convolutifs CNN
Algorithme & structures de données Chap III
Algorithme & structures de données Chap III
Analyse de données avec spss,
Analyse de données avec spss,
5.2 Régression linéaire
5.2 Régression linéaire
AI Apprentissage Automatique, Machine Learnig
AI Apprentissage Automatique, Machine Learnig
Analyse merise Prof. Khalifa MANSOURI
Analyse merise Prof. Khalifa MANSOURI
Destacado
An Empirical Comparison of Fast and Efficient Tools for Mining Textual Data
An Empirical Comparison of Fast and Efficient Tools for Mining Textual Data
vtunali
Clustering
Clustering
Jagdeep Singh
Analyse de données avec R : Une petite introduction
Analyse de données avec R : Une petite introduction
Ahmadou DICKO
Chap8 basic cluster_analysis
Chap8 basic cluster_analysis
guru_prasadg
K means Clustering Algorithm
K means Clustering Algorithm
Kasun Ranga Wijeweera
Cluster analysis
Cluster analysis
Jewel Refran
Itzayana
Itzayana
itzayanavaldez
PIC Torres Ferrel, Jorge Anderson
PIC Torres Ferrel, Jorge Anderson
AndersonTF1995
Weiterbildung 2.0: Erfahrungen mit der MFG-Akademie-Lernplattform
Weiterbildung 2.0: Erfahrungen mit der MFG-Akademie-Lernplattform
Ulrich Winchenbach
Compréhension orga tôlerie
Compréhension orga tôlerie
Lefab
Operación de-fraccionarios
Operación de-fraccionarios
mafecarmon21
Der mobile Konsument
Der mobile Konsument
Connected-Blog
Histoires religieuses
Histoires religieuses
Bouabdallah Laref
A la découverte des spécialités de l'Anjou
A la découverte des spécialités de l'Anjou
mpaquic
SharePoint en action 2013 - IT-06 - Sauvegarde et recouvrement - Gaelle Tando...
SharePoint en action 2013 - IT-06 - Sauvegarde et recouvrement - Gaelle Tando...
Marc Gagnon
Recursos web
Recursos web
Najhana Eldredge Begazo
HADWARE Y SOFTWARE
HADWARE Y SOFTWARE
melanyfarnes
System Center 2012, la machinerie de l'ITIL
System Center 2012, la machinerie de l'ITIL
Microsoft Décideurs IT
Preguntas para responder (recuperado)
Preguntas para responder (recuperado)
susatecn
Los vertebrados (frances) con musica
Los vertebrados (frances) con musica
mmecamp7
Destacado
(20)
An Empirical Comparison of Fast and Efficient Tools for Mining Textual Data
An Empirical Comparison of Fast and Efficient Tools for Mining Textual Data
Clustering
Clustering
Analyse de données avec R : Une petite introduction
Analyse de données avec R : Une petite introduction
Chap8 basic cluster_analysis
Chap8 basic cluster_analysis
K means Clustering Algorithm
K means Clustering Algorithm
Cluster analysis
Cluster analysis
Itzayana
Itzayana
PIC Torres Ferrel, Jorge Anderson
PIC Torres Ferrel, Jorge Anderson
Weiterbildung 2.0: Erfahrungen mit der MFG-Akademie-Lernplattform
Weiterbildung 2.0: Erfahrungen mit der MFG-Akademie-Lernplattform
Compréhension orga tôlerie
Compréhension orga tôlerie
Operación de-fraccionarios
Operación de-fraccionarios
Der mobile Konsument
Der mobile Konsument
Histoires religieuses
Histoires religieuses
A la découverte des spécialités de l'Anjou
A la découverte des spécialités de l'Anjou
SharePoint en action 2013 - IT-06 - Sauvegarde et recouvrement - Gaelle Tando...
SharePoint en action 2013 - IT-06 - Sauvegarde et recouvrement - Gaelle Tando...
Recursos web
Recursos web
HADWARE Y SOFTWARE
HADWARE Y SOFTWARE
System Center 2012, la machinerie de l'ITIL
System Center 2012, la machinerie de l'ITIL
Preguntas para responder (recuperado)
Preguntas para responder (recuperado)
Los vertebrados (frances) con musica
Los vertebrados (frances) con musica
Similar a Benharratharijtp2 classification
Analyse et optimisation des performances du moteur SQL Serveur
Analyse et optimisation des performances du moteur SQL Serveur
Microsoft Technet France
TP Fouille de données (Data Mining) et Apprentissage Machine
TP Fouille de données (Data Mining) et Apprentissage Machine
Boubaker KHMILI
Examen de passage TDI - Synthèse V1 - 2015
Examen de passage TDI - Synthèse V1 - 2015
exelibnet
Introduction_R.pdf
Introduction_R.pdf
JeanPhilippeTurcotte5
Cours de Matlab
Cours de Matlab
Fly like butterfly - Sting like a bee!!!
Mat lab1
Mat lab1
fouadDD
Outilsdanalysefonctionnellesadt 160919140831
Outilsdanalysefonctionnellesadt 160919140831
Lénaïc CAPELLE
La parallélisation au service de l'optimisation
La parallélisation au service de l'optimisation
ATOL Conseils et Développements
Ebook matlab
Ebook matlab
N NASRI
Cours 01.pptx
Cours 01.pptx
azzazrachid1
Initiation r
Initiation r
Touglo Eric TCHAWALASSOU
Machine Leargning_supérvisé.pptx
Machine Leargning_supérvisé.pptx
bely26
1 tdi synthese_principale_v2_2015.docx
1 tdi synthese_principale_v2_2015.docx
khawla sdid
Data Mining (Partie 2).pdf
Data Mining (Partie 2).pdf
OuailChoukhairi
myXtraction, une solution innovante
myXtraction, une solution innovante
LASSA Rafik
Dijkstra kshortest
Dijkstra kshortest
ابو محمدوعبدالرحمن عبد الملك
Fork / Join, Parallel Arrays, Lambdas : la programmation parallèle (trop ?) f...
Fork / Join, Parallel Arrays, Lambdas : la programmation parallèle (trop ?) f...
Normandy JUG
ALT.NET Modéliser Parallèle avec C# 4.0
ALT.NET Modéliser Parallèle avec C# 4.0
Bruno Boucard
Tp2 matlab
Tp2 matlab
Wajdi Ben Helal
57277345 cours-matlab
57277345 cours-matlab
geniem1
Similar a Benharratharijtp2 classification
(20)
Analyse et optimisation des performances du moteur SQL Serveur
Analyse et optimisation des performances du moteur SQL Serveur
TP Fouille de données (Data Mining) et Apprentissage Machine
TP Fouille de données (Data Mining) et Apprentissage Machine
Examen de passage TDI - Synthèse V1 - 2015
Examen de passage TDI - Synthèse V1 - 2015
Introduction_R.pdf
Introduction_R.pdf
Cours de Matlab
Cours de Matlab
Mat lab1
Mat lab1
Outilsdanalysefonctionnellesadt 160919140831
Outilsdanalysefonctionnellesadt 160919140831
La parallélisation au service de l'optimisation
La parallélisation au service de l'optimisation
Ebook matlab
Ebook matlab
Cours 01.pptx
Cours 01.pptx
Initiation r
Initiation r
Machine Leargning_supérvisé.pptx
Machine Leargning_supérvisé.pptx
1 tdi synthese_principale_v2_2015.docx
1 tdi synthese_principale_v2_2015.docx
Data Mining (Partie 2).pdf
Data Mining (Partie 2).pdf
myXtraction, une solution innovante
myXtraction, une solution innovante
Dijkstra kshortest
Dijkstra kshortest
Fork / Join, Parallel Arrays, Lambdas : la programmation parallèle (trop ?) f...
Fork / Join, Parallel Arrays, Lambdas : la programmation parallèle (trop ?) f...
ALT.NET Modéliser Parallèle avec C# 4.0
ALT.NET Modéliser Parallèle avec C# 4.0
Tp2 matlab
Tp2 matlab
57277345 cours-matlab
57277345 cours-matlab
Benharratharijtp2 classification
1.
Data Mining Data-mining@esprit.tn ESPRIT©2013-2014 TP
n°2 : Méthodes de classification Ben harrath arij 4infini Note Ce TP est à rendre en fin de séance. NB : N’oublier pas de mentionner vos interprétations et constatations après chaque résultat Objectifs généraux Dans ce TP, nous allons appliquer les méthodes de classification sur des échantillons de données. Objectifs spécifiques Importer les données Réaliser quelques statistiques descriptives sur les variables actives ; Centrer et réduire les variables Réaliser la classification automatique via les K-Means sur les variables transformées, en fixant le nombre de classes et via la classification ascendante hiérarchique Visualiser les données avec la nouvelle colonne représentant la classe d’appartenance des individus Illustrer les classes à l’aide des variables actives, via des statistiques descriptives comparatives et des graphiques judicieusement choisis Croiser la partition obtenue avec une variable catégorielle illustrative Segmentation et Classification d’un ensemble de véhicules On utilise le fichier « cars_dataset.txt », un fichier texte avec séparateur tabulation. Il décrit les caractéristiques de 392 véhicules. Les variables actives qui participeront au calcul sont : la consommation (MPG, miles per galon, plus le chiffre est élevé, moins la voiture consomme) la taille du moteur (DISPLACEMENT) la puissance (HORSEPOWER) le poids (WEIGHT) l’accélération (ACCELERATION, le temps mis pour atteindre une certaine vitesse, plus le chiffre est faible plus la voiture est performante). La variable illustrative « origine des véhicules » (ORIGIN : Japon, Europe, Etats Unis) servira à renforcer l’interprétation des groupes. Sources : http://eric.univ-lyon2.fr/~ricco/tanagra/fichiers/cars_dataset.zip http://lib.stat.cmu.edu/datasets/cars.desc
2.
Data Mining Data-mining@esprit.tn ESPRIT©2013-2014 I.Classification
avec R A. K-Means (Méthodes des Centres Mobiles) 1. Importation des données et statistiques descriptives : (sans package additionnel spécifique) Donner les statistiques descriptives : 2. Centrage et réduction : Pour centrer et réduire les données, on doit commencer tout d’abord par la construction d’une fonction« centrage_reduction » qui centre et réduit une colonne, qu’on applique à l’ensemble desvariables actives avec apply(……..) Pour ce faire, on propose d’exécuter la fonction de standardisation de colonne suivante : # Exécuter la fonction de standardisation d'une colonne centrage_reduction<- function(x) { return((x-mean(x))/sqrt(var(x))) } Obtention du tableau des données centrées et réduites # Appliquer pour produire le tableau des données centrées et réduites voitures.cr <- apply(voitures[,1:5],2,centrage_reduction) # Vérification des moyennes apply(voitures.cr,2,mean) # Vérification de la variance apply(voitures.cr,2,var) # Importation des données setwd("") voitures <- read.table(file=file.choose(),header=T,row.names=1 ) # Description et statistiques descriptives summary(voitures) Interprétation de la moyenne et de la variance des colonnes : Ses colonnes sont de moyenne nulle et de variance unitaire
3.
Data Mining Data-mining@esprit.tn ESPRIT©2013-2014 3.
Application de la méthode des Centres Mobiles (K-Means) Maintenant, on lance l’algorithme K-Means sur les variables centrées et réduites. On propose de concevoir une partition de deux groupes (deux clusters), en se limitant à 40 itérations. i. Expliquer les paramètres basiques de la fonction R kmeans() ii. En déduire le code suivant : iii. Expliquer le résultat obtenu : (K-means clustering, cluster means, clustering vector) 4. Interprétation des groupes d’appartenance : est une méthode de quantification vectorielle, originaire de traitement du signal, qui est populaire pour l'analyse de cluster dans l'extraction de données. k-means vise à diviser n observations en k grappes dans lequel chaque observation appartient à la grappe avec la moyenne la plus proche, servant de prototype de la grappe. x : Matrice de données. Centers : Le nombre de clusters. Iter.max : Le nombre maximum des itérations permises. # K-means en deux groupes nb.classes <-2 voitures.kmeans <- kmeans(voitures.cr,centers=nb.classes,iter.max=40) print()
4.
Data Mining Data-mining@esprit.tn ESPRIT©2013-2014
Pour l’interprétation des groupes, on calcule les moyennes conditionnelles des variables actives originelles. On les collecte dans une seule matrice à l’aide des commandes suivantes : #récupération des groupes d'appartenance groupe <- as.factor(voitures.kmeans$cluster) #calculer les barycentres des classes #dans l'espace des variables actives initiales (numéro 1 à 5) centres<- NULL for (k in 1:nb.classes){ ligne <- colMeans(voitures[groupe==k,1:5,drop=FALSE]) centres<- rbind(centres,ligne) } numero<- seq(from=1,to=nb.classes) rownames(centres) <- paste("clus_",numero,sep="") print(centres) interprétations : Pour croiser les clusters avec la variable catégorielle illustrative ORIGIN, on introduit la commande « table » : Compléter le tableau de contingence suivant : 1 2 Americain 100 145 European 0 68 Japanese 0 79 Le Deuxième groupe contient des voitures américaine, européenne et japonaise (Profil euro-japonais). Le Premier groupe est de 100% américain (Profil américain). Un tableau de contingence est une méthode de représentation de données découlant d’un comptage. Les données sont rassemblées dans un tableau avec le caractère auquel elles sont reliées. On pratique des études sur plusieurs caractères, en essayant alors de déterminer s'il existe une quelconque liaison entre eux. Pour cela on étudie les individus recensant plusieurs caractères à la fois. Pour projeter les points, illustrés selon leur groupe d’appartenance, dans les plans formés par les couples de variables, R démontre toute sa puissance. La commande utilisée est « pairs » le résultat est riche d’enseignements : les variables sont pour la plupart fortement corrélées, presque tous les couples de variables permettent de distinguer les groupes : #croisement des clusters avec la variable illustrative catégorielle print(table(voitures$origin,groupe))
5.
Data Mining Data-mining@esprit.tn ESPRIT©2013-2014 #graphique
des variables 2 à 2 avec groupe d'appaternance >pairs(voitures[,1:5],pch=21,bg=c("red","blue")[groupe]) La projection de point, selon leur groupe d’appartenance, dans les plans formés par les couples de variable, les variables sont pour la plupart fortement corrélées, presque tous les couples de variables permettent de distinguer les groupes 5. Combinaison ACP / K-Means : Dans le but de trouver un outil permettant de bien situer les groupes, on propose de projeter les points dans le premier plan factoriel de l’Analyse en Composantes Principales.
6.
Data Mining Data-mining@esprit.tn ESPRIT©2013-2014 Pour
ce faire, appliquer les lignes de commandes suivantes : #ACP sur les données centrées réduites acp<- princomp(voitures.cr,cor=T,scores=T) print(acp) #pour obtenir les valeurs propres print(acp$sdev^2) #pour obtenir les corrélations sur le premier axe print(acp$loadings[,1]*acp$sdev[1]) #graphique dans le premier plan factoriel, avec mise en évidence des groupes plot(acp$scores[,1],acp$scores[,2],type="p",pch=21,col=c("red","blue")[groupe]) Remarque : vous pouvez utiliser la fonction prédéfinie PCA de FactoMineR Montrer les projections sur les plans factorielles, et en déduire vos conclusions 6. Exportation des données : Durant cette dernière étape du processus K-means, on exporte l’ensemble des données dans un seul fichier en fusionnant la base initiale avec lacolonne additionnelle produite par la typologie. #exportation des données avec le cluster d'appartenance voitures.export<- cbind(voitures,groupe) write.table(voitures.export,file="export_r.txt",sep="t",dec=".",row.names=F) Vérifier la création du nouveau fichier « export_r.txt » sur votre répertoire courant, et faire le joindre avec votre compte-rendu. pca=PCA(voitures[,1:5], quali.sup=5); L’axe horizontal pour la dimension contient 88.91% de l’information. - Les variables (horspower, display, weight) sont corrolées avec le premier axe positivement - mpg est corrollé négativement.
7.
Data Mining Data-mining@esprit.tn ESPRIT©2013-2014 En
déduire vos interprétations finales sous forme de rapport final (la partie la plus importante dans tous les TP Data Mining) On constate avec la méthode kmeans que la classification de notre entrepôt de donnée est divisé en 2 groupes. La méthode K-Means est une technique de classification automatique qui vise à produire des regroupements de manière à ce que les individus du même groupe soient semblables. Le lancement de l’algorithme k-means sur les variables centrées réduites nous a permet de concevoir la Répartition de deux groupes (deux clusters) donc à diviser les données en cas groupes (classes) pour minimiser les distances entre les points et les centres des classes.
8.
Data Mining Data-mining@esprit.tn ESPRIT©2013-2014 B.
Classification Ascendante Hiérarchique On désire refaire la classification sur les modèles de voitures avec la Classification Ascendante Hiérarchique sur la On a plusieurs choix pour l’option : distance, selon la fonction dist(). Expliquer l’utilité de cette fonction grâce à la commande « ? dist() » Appliquer cette fonction sur l’entrepôt des voitures donnés Ecrire la ligne de commande utilisée : Décrire le principe d’utilisation de la fonction « hclust » En déduire le dendrogramme associé : Cette fonction calcule et renvoie la matrice de distance calculée à l'aide de la mesure de distance spécifiée pour calculer les distances entre les lignes d'une matrice de données. > d<-dist(voitures.cr ,method="euclidean") HC<-hclust(d,method="average") plot(HC)
9.
Data Mining Data-mining@esprit.tn ESPRIT©2013-2014
On va utiliser la fonction cutree pour couper le dendrogramme afin d’avoir 2 classes. > classe<-cutree(HC,2) Croiser les clusters avec la variable catégorielle illustrative ORIGIN Compléter le tableau de contingence suivant : 1 2 Americain 148 97 European 68 0 Japanese 79 0 On Constate que le Premier groupe se forme de 3 type de voiture c’est hétérogène Le deuxième groupe est homogène il s’agit de 100% (97 voiture américaine ) > table(voitures$origin,classe)
10.
Data Mining Data-mining@esprit.tn ESPRIT©2013-2014 II.
Classification avec SAS A. K-Means (Méthodes des Centres Mobiles) 1. Importation des données 2. Normalisation des données (centrage et réduction) 3. Application de la méthode des K-moyennes PROC FASTCLUS DATA= A OUT= BOUTSTAT= CMEAN=D MAXITER=CONVERGENCE= DELETE= CLUSTER= DRIFT MAXC= /RADIUS= VAR liste des variables quantitatives étudiées ; ID nom de la variable comportant le nom des individus ; WEIGH Tvariable ; RUN ; N.B. souligné = facultatif On doit spécifier soit l’option MAXC= ou RADIUS= option ou les deux. FASTCLUS signifie FAST CLUSTERING (= classification rapide) A = Nom donné à la table SAS contenant les données B = Nom de la table SAS, créée automatiquement par SAS contenant, entre autre, la variable CLUSTER(les assignements de classes) et la variable DISTANCE (distance séparant l’individu du centre de la classe) C =Nom de la table contenant un résumé de l’analyse (classes,...). D= Nom de la table contenant les moyennes dans les classes et d’autres statistiques pour chaque classe : FREQ_: effectif de la classe ; _RMSSTD_ : inertie intra-classe ; _NEAR_ :no de la classe la + proche ; _GAP_ : distance entre le centre et l’autre centre le + proche ; _RADIUS_ : distance max entre 1 individu et son centre ; X, Y : coordonnées du centre de la classe DELETE=n supprime les centres avec ≤ n individus rattachés (pour éviter d’avoir pour centre un « outlier ») MAXC=n spécifie le nombre maximum de classes toléré, égal à 100 par défaut. MAXITER=n spécifie le nombre maximum d’itérations toléré pour recalculer les centres. converge=0.02 : les itérations s’arrêtent quand plus aucun centre ne se déplace d’une distance > 0.02 Data cars; infile'C:SAScars_dataset.txt' 'expandtabs firstobs=2; *La première ligne contient les noms des variables* input mpg displacement horsepower weight acceleration origin$; run; Proc standard mean=0 std=1 data=cars out=cars_std; Var mpg displacement horsepower weight acceleration; run;
11.
Data Mining Data-mining@esprit.tn ESPRIT©2013-2014 DRIFT
: pour remplacer la méthode des centres mobiles par celle des k-means (convergence plus rapide) RADIUS=d : spécifie la distance minimale entre 2 centres initiaux (= 0 par défaut) REPLACE=none : accélère la phase de sélection des centres initiaux en empêchant les substitutions des centres les plus proches (choisir alors « radius » assez grand) –mieux vaut laisser l’option par défaut « replace=full » 4. Table de contingence 5. Application d’une analyse en composantes principales avec K-means PROC FASTCLUS DATA = cars MAXCLUSTERS=2 OUT=Fastclus1; VAR mpg displacement horsepower weight acceleration; ID origin; RUN; Proc freq data=Fastclus1; Tables origin * cluster; run; %macro acp(table,vars,ids); Proc princomp data=&table out=acp vardef=wgt; ods output Eigenvalues=eigenvalues Eigenvectors=eigenvectors; var &vars; run; proc transpose data=eigenvalues out=teigenvalues(drop=_name_) prefix=lambda; var eigenvalue; run; Proc sql; select count(*) into :avars from eigenvalues; quit; data eigenvectors; if _n_ = 1 then set teigenvalues; set eigenvectors; array c{*} prin1-prin%trim(&avars); array l{*} lambda1-lambda%trim(&avars); do i=1 to &avars; c(i)=c(i)*sqrt(l(i)); end; keep variable prin1-prin%trim(&avars); run; proc gplot data=eigenvalues; symbol i=join v=dot pointlabel=none; plot (eigenvalue difference)*Number / overlay legend; plot2 (proportion cumulative)*Number / overlay legend; run; quit; %mend; %acp(carsFile,mpg displacement horsepower weight acceleration,ACP); %macro acp_plot(axe1,axe2,id); PROC GPLOT DATA=ACP; PLOT prin&axe2*prin&axe1 = &id; run; %mend; %acp_plot(1,2,cluster);
12.
Data Mining Data-mining@esprit.tn ESPRIT©2013-2014 B.
Classification Ascendante Hiérarchique PROC CLUSTER DATA=A METHOD=methodeutiliséeOUTTREE=D SIMPLESTDRSQCCCPSEUDO; VAR liste des variables quantitatives étudiées ; ID nomid; WEIGHT variable ; PROC TREE DATA= D NCL=nombre de classes voulues OUT=C(rename=(_NAME_=nomid) RUN; nomid=nom de la variable comportant le nom des individus A= table de données D=table stockant les informations nécessaires pour réaliser le dendrogramme C=table de stockage des numéros de classes STD : Standardisation des variables SIMPLE : statistiques simples sur les données RSQ : édition du R-squared et semi-partial R-squared CCC : édition du CCC PSEUDO : édition du pseudo-F METHOD= méthode d’agrégation utilisée. Il y a 11 méthodes, dont : AVERAGE, average linkage CENTROID : méthode des centroïdes COMPLETE : complete linkage SINGLE : single linkage WARD : méthode de ward Appliquer la classification ascendante hiérarchique pour avoir 2 classes PROC CLUSTER DATA=cars_std METHOD=AVERAGE OUTTREE=ProjClusterAverage; VAR mpg displacement horsepower weight acceleration; ID Numero; RUN ; PROC TREE DATA=ProjClusterAverage OUT=ProjTreeAverage NCL=2; ID numero; RUN ; proc sort data=ProjTreeAverage; by numero; run; DATA MeansClusterAverage ; merge cars ProjTreeAverage; ; RUN; Proc sort DATA=MeansClusterAverage ; BY numero; run ; Proc freq data=MeansClusterAverage; Tables cluster * origin; run;
Descargar ahora