analyse discriminante pas à pas 'forward' avec validation croisée
model = forwda(x,y_class,split,lv,(metric),(scale),(threshold))
une matrice (n x q) ou une structure Div
classification des observations; une matrice disjonctive (n x nclass) ou un vecteur conjonctif (n x 1) ou une structure Div
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
le nombre maximum de variables utilisés pour la construction du modèle
la métrique utilisée 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='c': centrage
scale='cs': centrage + standardisation: division des colonnes de x par leur écart-type (par défaut)
le seuil minima d'affectation à une classe; par défaut 1/nclass
la matrice de confusion sur les modèles d'étalonnage, exprimée en nombre d'observations
model.conf_cal_nobs.d est une hyper-matrice de dimensions (nclass x nclass x lv)
la matrice de confusion sur les modèles d'étalonnage, exprimée en pourcentage
model.conf_cal.d est une hyper-matrice de dimensions (nclass x nclass x lv)
la matrice de confusion sur les validations croisées,exprimée en pourcentage
model.conf_cv.d est une hyper-matrice de dimensions (nclass x nclass x lv)
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)
le pourcentages d'erreur de classification des étalonnages, par classe
model.errbycl_cal.d est une matrice (lv x nclass)
pourcentages d'erreur de classification des validations croisées, par classe
model.errbycl_cv.d est une matrice (lv x nclass)
le pourcentages d'échantillons non classés (prédictions inférieures au seuil)
model.notclassed.d est un vecteur (lv x 1)
le pourcentages d'échantillons non classés (prédictions inférieures au seuil), pour chaque classe
model.notclassed_bycl.d est une matrice (lv x nclass)
la méthode utilisée pour l'analyse discriminante; ici:'forwda'
les vecteurs-propres
model.loadings.d est une matrice de dimensions (q x lv)
la métrique utilisée sur les scores des individus pour le calcul des distances individus / groupes
la standardisation appliquée
le seuil appliqué pour l'appartenance à une classe