<< daapply (X->Y_classes) Classification forwda >>

fact >> (X->Y_classes) Classification > fda

fda

analyse factorielle discriminante (AFD) avec validation croisée

Séquence d'appel

model = fda(x,y_class,split,lv,(metric),(scale),(threshold))

Paramètres

x:

une matrice (n x q) ou une structure Div

y_class:

un vecteur conjonctif (n x 1) ou une matrice disjonctive (n x nclass) ou une structure Div

split:

pour la validation croisée; le nombre de blocs, ou un vecteur de dimensions (n x 1) identifant par un numéro le groupe de validation croisée de chaque observation

lv:

le nombre maximum de variables latentes ou de vecteurs-propres utilisés pour la construction du modèle

lv inférieur à nclass

(metric):

le choix de la métrique pour mesurer la distance des coordonnées (scores) d'un individu à une classe

metric=0: distance de Mahalanobis (par défaut)

metric=1: distance Euclidienne usuelle

(scale):

les colonnes de x sont toujours centrées; scale définit la standardisation

scale='c': centrage

scale='cs': standardisation: division des colonnes de x par leur écart-type (par défaut)

(threshold):

le seuil d'affectation à une classe; par défaut 1/nclass

model.conf_cal_nobs:

les matrices de confusion en étalonnage, exprimées en nombre d'observations

model.conf_cal_nobs est une liste de lv objets, chacun étant de dimensions (nclass x nclass)

model.conf_cal:

les matrices de confusion en étalonnage, exprimées en pourcentage

model.conf_cal est une liste de lv objets, chacun étant de dimensions (nclass x nclass)

model.conf_cv:

les matrices de confusion en validation croisée, exprimées en pourcentage

model.conf_cv est une liste de lv objets, chacun étant de dimensions (nclass x nclass)

model.err:

les pourcentages d'erreur de classification des étalonnages (1° colonne) et de la validation croisée (2° colonne)

model.err.d est une matrice (lv x 2)

model.errbycl_cal:

le pourcentage d'erreur de l'étalonnage, pour chaque classe

model.errbycl_cal.d est une matrice (lv x nclass)

model.errbycl_cv:

le pourcentage d'erreur de la validation croisée, pour chaque classe

model.errbycl_cv.d est une matrice (lv x nclass)

model.notclassed:

le pourcentages d'échantillons non classés (prédictions inférieures au seuil)

model.notclassed.d est un vecteur (lv x 1)

model.notclassed_bycl:

le pourcentage d'observations non classées (toutes les predictions inférieures au seuil), pour chaque classe

model.notclassed_bycl.d est une matrice (lv x nclass)

model.method:

la méthode discriminante, ici:'fda'

model.xcal:

le jeu d'étalonnage; une structure div

model.xcal.d est de dimensions (n x q)

model.ycal:

le jeu d'étalonnage: une structure div

model.ycal.d est de dimensions (n x nclass)

model.scores:

les scores des observations; une structure Div

model.scores.d est de dimensions (n x lv)

model.rloadings:

les vecteurs propres, vérifiant: T=XP

model.rloadings.d est une matrice de dimensions (q x lv)

model.classif_metric:

la métrique utilisée sur les scores des individus pour le calcul des distances entre individus et groupes

model.scale:

la standardisation appliquée

model.threshold:

le seuil appliqué pour l'appartenance à une classe

Exemples

[result1]=fda(x,y,30,20)
[result1]=fda(x,y,30,20,1,'cs',0.01)

Bibliographie

Auteurs


Report an issue
<< daapply (X->Y_classes) Classification forwda >>