<< fda (X->Y_classes) Classification knnda >>

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

forwda

analyse discriminante pas à pas 'forward' avec validation croisée

Séquence d'appel

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

Paramètres

x:

une matrice (n x q) ou une structure Div

y_class:

classification des observations; une matrice disjonctive (n x nclass) ou un vecteur conjonctif (n x 1) 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 utilisés pour la construction du modèle

(metric):

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):

scale='c': centrage

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

(threshold):

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

model.conf_cal_nobs:

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)

model.conf_cal:

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)

model.conf_cv:

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)

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 pourcentages d'erreur de classification des étalonnages, par classe

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

model.errbycl_cv:

pourcentages d'erreur de classification des validations croisées, par 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 pourcentages d'échantillons non classés (prédictions inférieures au seuil), pour chaque classe

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

model.method:

la méthode utilisée pour l'analyse discriminante; ici:'forwda'

model.loadings:

les vecteurs-propres

model.loadings.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 individus / groupes

model.scale:

la standardisation appliquée

model.threshold:

le seuil appliqué pour l'appartenance à une classe

Exemples

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

Auteurs


Report an issue
<< fda (X->Y_classes) Classification knnda >>