Bonjour,
je me permets de poser un exercice du langage R ici avec les réponses que j'ai pu faire, j'aimerais avoir votre avis la dessus ( je suis nouveau sur R, :
je dispose d'une mise en données (pourcentage d'une molécule dans le produit, le but est de prédire l'origine ce produit, j'ai 9 colonnes X1:X8 sont les pourcentages de certains tests chimique , la colonne 9 est le ID de la ville. Une partie de la mise en données est ci-joint
désolé je n'ai pas réussi à charger le fichier !!!
1)Construire un tableau X avec les 8 variables quantitatives centrées et réduites. Dans toute la
suite, on travaillera sur les données centrées réduites.
Réponse :
data=read.csv("nom du fichier",header=T,sep=";")
2)Représenter, à l’aide d’outils graphiques disponibles sous l’information contenue dans
les 8 variables X1, X2, X3, X4, X5, X6, X7, X8 avec le package lattice.
Réponse:
j'utilise splom(data[,1:8]).
j'ai remarqué que les variables X1,X2,X4 sont intéressantes pour prédire l'origine du produit (" à moins que j'ai faux")
3)Effectuer l’ACP sur le tableau X. Donner le pourcentage de variance expliqué par les
différents axes de l’ACP.
Réponse:
la je sèche un peu soit j'utilise data_acp=princomp(data[,1:8]) soit data_acp=princomp(data[,1:8],cor =T).
pourcentage de variance expliqué: summary(data_acp).
je ne sais pas trop la différence entre les deux !!!
4)Construire un tableau Z contenant les coordonnées des observations sur les deux premiers
axes principaux.
Réponse:
score_acp=data_acp$scores[,1:2]
5)Effectuer une classification en 9 classes avec la méthode des K-means à partir du tableau Z
Réponse:
data_kmean=kmeans(score_acp,9)
pour l'instant je n'ai fait que cela, pourriez vous me dire si j'ai bon ou faux !!
par ailleurs j'ai fait un tableau pour comparer les résultats de Kmeans avec ID_VILLES Mad Mad
table(data$ID_VILLES,data_kmean$cluster)
c'est pas bon du tout confused confused confused
Est ce que j'ai faux quelque part !!
Merci d'avance pour vos réponses
Voici une partie des données, en attendant de trouver un problème du chargement des donnes
X1;X2;X3;X4;X5;X6;X7;X8;ID_VILLES
41.3;22.6;33.2;72.2;21.9;47.2;56.3;48.2;1
42.5;21.9;32.3;66.8;32.6;40.3;57.3;48.2;1
26.8;14.7;42.2;85.9;9.9;40.3;59.2;48.2;1
31.6;15.8;39.5;78.3;16.7;66.7;73.8;58.9;1
39.2;19.6;48.0;69.7;21.9;66.7;75.7;78.6;1
26.8;12.8;52.0;77.0;22.5;68.1;66.0;75.0;1
63.2;45.7;29.1;41.4;49.1;56.9;59.2;50.0;2
66.6;37.7;42.2;44.3;41.7;59.7;59.2;28.6;2
68.3;36.2;53.8;39.2;48.1;61.1;60.2;37.5;2
60.9;35.5;41.7;45.2;44.5;56.9;58.3;64.3;2
59.1;40.0;28.3;46.7;43.4;52.8;64.1;69.6;2
64.5;39.6;74.4;37.1;45.7;66.7;66.0;64.3;2
62.1;40.4;39.9;45.4;41.3;61.1;68.0;58.9;2
64.9;37.4;16.6;49.1;36.4;63.9;68.0;33.9;2
65.5;67.5;20.2;46.3;43.7;31.9;42.7;23.2;3
67.0;71.3;32.7;29.8;62.2;26.4;46.6;21.4;3
71.1;69.4;28.7;39.3;49.6;26.4;44.7;30.4;3
68.8;61.5;25.1;38.2;53.9;37.5;63.1;42.9;3
71.3;64.2;29.1;25.7;73.9;44.4;68.0;53.6;3
71.1;81.9;57.4;19.7;76.8;41.7;56.3;39.3;3
79.9;73.2;47.1;16.4;77.5;55.6;58.3;50.0;3
75.3;63.0;51.6;34.1;40.6;54.2;79.6;62.5;4
63.7;47.2;18.4;48.7;36.7;47.2;82.5;58.9;4
61.6;32.1;44.4;35.3;58.8;52.8;81.6;67.9;4
74.1;60.4;48.0;27.3;56.7;44.4;73.8;53.6;4
79.6;86.0;33.2;31.4;40.1;38.9;68.0;44.6;4
72.8;55.5;31.8;29.2;58.0;48.6;72.8;67.9;4
78.3;55.5;26.5;32.9;47.0;48.6;92.2;64.3;4
69.6;42.6;26.5;42.1;41.3;50.0;88.3;67.9;4
70.6;44.9;26.0;38.4;46.5;52.8;96.1;73.2;4
42.8;33.6;36.8;50.0;66.3;36.1;54.4;.0;5
45.2;24.9;30.0;52.6;59.6;43.1;76.7;.0;5
44.1;29.4;26.9;51.2;64.2;45.8;64.1;.0;5
38.8;32.5;38.6;51.4;65.8;36.1;84.5;.0;5
49.3;31.7;27.8;48.9;63.9;27.8;63.1;.0;5
48.7;26.0;22.0;48.7;66.0;37.5;72.8;.0;5
43.1;27.5;22.9;52.8;63.1;48.6;73.8;.0;5
50.3;22.6;23.8;51.9;64.5;43.1;69.9;.0;5
43.8;35.5;30.5;49.1;67.7;36.1;55.3;.0;5
44.6;29.1;25.6;50.0;66.2;41.7;68.9;.0;5
42.8;29.4;31.4;51.0;65.1;25.0;49.5;.0;5
41.8;31.3;30.0;50.8;66.2;43.1;73.8;.0;5
39.2;35.1;33.6;52.3;65.2;38.9;62.1;.0;5
42.1;30.6;39.5;40.9;86.3;36.1;53.4;.0;6
42.3;42.3;44.8;40.7;81.9;36.1;58.3;.0;6
47.1;30.2;47.5;37.2;88.0;29.2;67.0;.0;6
46.9;32.5;45.7;38.1;84.3;31.9;64.1;.0;6
48.8;35.8;48.9;36.4;83.1;34.7;72.8;.0;6
46.3;27.2;25.1;41.2;84.1;36.1;53.4;.0;6
50.2;35.1;27.8;36.8;84.1;43.1;80.6;.0;6
41.4;23.4;22.4;44.7;83.9;37.5;63.1;.0;6
53.3;20.8;43.9;59.7;32.5;52.8;85.4;.0;7
54.2;24.5;30.5;58.8;31.5;80.6;95.1;.0;7
50.7;32.1;17.0;57.8;36.4;66.7;95.1;.0;7
48.9;28.3;30.5;60.7;33.5;52.8;85.4;.0;7
46.2;32.1;39.5;62.6;32.5;38.9;85.4;.0;7
41.8;32.1;48.4;66.8;29.5;25.0;66.0;.0;7
42.7;28.3;57.4;67.8;26.6;66.7;95.1;.0;7
36.4;32.1;52.9;69.7;25.6;52.8;85.4;.0;7
42.7;28.3;43.9;65.4;30.5;80.6;75.7;.0;7
45.3;32.1;48.4;67.3;22.7;38.9;75.7;.0;7
41.8;24.5;39.5;72.5;21.7;38.9;66.0;.0;7
48.9;20.8;35.0;73.9;18.8;11.1;17.5;.0;7
43.6;24.5;39.5;72.0;21.7;25.0;66.0;.0;7
40.0;39.6;26.0;61.6;55.0;.0;.0;.0;8
56.0;50.9;43.9;62.1;27.6;11.1;7.8;.0;8
40.0;28.3;70.9;73.5;23.7;.0;.0;.0;8
36.4;32.1;61.9;62.6;50.1;.0;7.8;.0;8
32.0;28.3;30.5;66.4;56.0;.0;.0;.0;8
50.7;43.4;30.5;54.5;55.0;.0;7.8;.0;8
40.0;47.2;39.5;65.9;39.3;11.1;7.8;.0;8
33.8;32.1;43.9;63.0;56.9;.0;.0;.0;8
35.6;28.3;88.8;63.0;48.1;11.1;.0;.0;8
38.2;28.3;43.9;70.1;36.4;11.1;7.8;.0;8
38.2;28.3;43.9;71.6;35.4;11.1;7.8;.0;8
36.4;28.3;88.8;62.6;46.2;11.1;.0;.0;8
36.4;28.3;48.4;62.6;55.0;.0;.0;.0;8
35.6;28.3;88.8;62.1;47.2;11.1;.0;.0;8
27.6;35.8;84.3;67.3;45.2;.0;.0;.0;8
43.1;15.1;21.5;77.7;14.9;45.8;41.7;.0;9
41.8;20.8;16.1;78.9;15.7;36.1;33.0;.0;9
42.7;17.0;19.3;78.2;14.9;41.7;35.0;.0;9
44.0;15.1;21.5;75.8;14.4;51.4;52.4;.0;9
44.4;13.2;23.8;75.8;14.4;52.8;48.5;.0;9
41.3;20.8;20.6;79.5;15.7;36.1;30.1;.0;9
41.3;18.9;14.8;79.6;15.7;45.8;38.8;.0;9
40.4;22.6;12.6;79.4;15.9;31.9;46.6;.0;9
40.9;22.6;16.1;79.6;15.1;27.8;41.7;.0;9
40.9;22.6;16.1;79.6;15.1;27.8;41.7;.0;9
43.6;20.8;21.5;76.3;15.9;51.4;40.8;.0;9
41.3;20.8;14.8;78.7;15.9;27.8;54.4;.0;9
39.1;23.8;10.3;80.1;15.9;22.2;55.3;.0;9
42.7;17.0;20.6;78.0;14.9;41.7;32.0;.0;9
39.1;23.8;16.1;80.1;15.7;36.1;20.4;.0;9