Skip to Main content Skip to Navigation
Conference papers

Etude comparée de classifications sur matrices très creuses et de grandes dimentions

Résumé : Les méthodes de classification non supervisée ont pour but de révéler une structure entre des éléments, selon les associations qu'on peut y détecter par leurs valeurs sur un ensemble de variables. Lorsque l'on s'intéresse à des grands ensembles d'unités, il est nécessaire d'en réduire la dimensionnalité avant le processus de classification. Quand les variables présentent des liens non linéaires, les approches classiques sont inopérantes. Les classifications de variables qualitatives soulèvent dans ce sens de nombreux problèmes ; les associations sont en général non linéaires. Avec un recodage binaire de l'ensemble des modalités des variables, on obtient le plus souvent des matrices très creuses et de grande dimension. Pour contourner la situation, quand le nombre de variables est important, l'approche plus utilisée est de transformer les variables qualitatives en variables continues, puis de faire la classification sur les valeurs de ces dernières. Notre travail s'attache à classifier de façon non supervisée des variables qualitatives dans le contexte général suivant : il n'y a pas de liens linéaires entre les variables et elles sont en grand nombre. Nous proposons une approche en plusieurs étapes: Analyse factorielle, redéploiement des coordonnées des premiers axes factoriel dans un espace de dimension supérieure, construction des classes dans ce dernier espace, enfin visualisation des classes obtenues dans l'espace des facteurs. On appliquera cette approche sur les données "epub" du "éCRAN-R", et nous nous intéresserons sur cet exemple à la comparaison entre l'approche par le détour des vecteurs de support et celle classique d'un arbre hiérarchique.
Complete list of metadata

Cited literature [7 references]  Display  Hide  Download

https://hal.inria.fr/inria-00494843
Contributor : Conférence Sfds-Hal Connect in order to contact the contributor
Submitted on : Thursday, June 24, 2010 - 8:59:38 AM
Last modification on : Tuesday, January 18, 2022 - 3:24:13 PM
Long-term archiving on: : Monday, October 22, 2012 - 2:48:43 PM

File

p208.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : inria-00494843, version 1

Collections

Citation

Mireille Gettler Summa, Francesco Palumbo, Cristina Tortora. Etude comparée de classifications sur matrices très creuses et de grandes dimentions. 42èmes Journées de Statistique, 2010, Marseille, France, France. ⟨inria-00494843⟩

Share

Metrics

Record views

97

Files downloads

167