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

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

covsel_fda

selection de variables par Covsel puis fda sur les variables selectionnees

Séquence d'appel

model = covsel_fda(x,y_class,split,lv,nbvar, (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

nbvar:

le nombre de variables selectionnées;

nbvar superieur ou egal a lv

(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 (par defaut)

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

(threshold):

le seuil minimum pour l'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) dans le cas general, de dimensions (nclass x nclass x nbvar) pour covsel_fda

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) dans le cas general, de dimensions (nclass x nclass x nbvar) pour covsel_fda

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) dans le cas general, de dimensions (nclass x nclass x nbvar) pour covsel_fda

model.err:

les pourcentages d'erreur de classification des étalonnages et de la validation croisée

model.err.d est une matrice (lv x 2) dans le cas general, (2 x lv x nbvar) pour covsel_fda

model.errbycl_cal:

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

model.errbycl_cal.d est une matrice (lv x nclass) dans le cas general, (nclass x lv x nbvar) pour covsel_fda

model.errbycl_cv:

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

model.errbycl_cv.d est une matrice (lv x nclass) dans le cas general, (nclass x lv x nbvar) pour covsel_fda

model.notclassed:

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

model.notclassed.d est un vecteur (lv x 1) dans le cas general, (lv x nbvar) pour covsel_fda

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) dans le cas general, (lv x nclass x nbvar) pour covsel_fda

model.method:

la méthode discriminante, ici:'covsel_fda'

model.xcal:

le jeu d'étalonnage; une structure div

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

model.ycal:

les classes associees a model.xcal; une structure div

model.ycal.d est de dimensions (n x nclass) si disjonctif ou (n x 1) si conjonctif

model.scores:

les scores des observations T verifiant: T=XR, X etant obtenue en appliquant model.scale sur x; T est une structure Div

model.scores.d est de dimensions (n x lv) dans le cas general, (n x lv x nbvar) pour covsel_fda

model.rloadings:

les vecteurs propres R; une structure div

model.rloadings.d est une matrice de dimensions (q x lv) dans le cas general, (q x lv x nbvar) pour covsel_fda

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]=covsel_fda(x,y,30,20)
[result1]=covsel_fda(x,y,30,20,0,'cs',0.10)

Bibliographie

Auteurs


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