Scribd Logo
Importer

Bienvenue sur Scribd !

  • 4 vues

    Data Minig

    Transféré par

    Ainamisa Steff

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme DOCX, PDF, TXT ou lisez en ligne sur Scribd

    Data Minig

    Transféré par

    Ainamisa Steff
    4 vues10 pages

    Titre original

    DataMinig

    Copyright

    © © All Rights Reserved

    Formats disponibles

    DOCX, PDF, TXT ou lisez en ligne sur Scribd

    Avez-vous trouvé ce document utile ?

    Ce contenu est-il inapproprié ?

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme DOCX, PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format docx, pdf ou txt
    4 vues10 pages

    Data Minig

    Transféré par

    Ainamisa Steff

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme DOCX, PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format docx, pdf ou txt
    sur 10

    UNIVERSITÉ DE TOAMASINA

    FACULTÉ DES SCIENCES ET TECHNOLOGIE


    --------------------------------------------------
    MENTION : MATHÉMATIQUES INFORMATIQUE ET
    APPLICATION

    Fouille de données
    (Examen session rattrapage)

    Nom : RABEARIMANANA
    Prénom : Tsirinantenaina Jean Odèle
    Parcours : Génie Informatique
    Niveau : M2
    Codage : 015

    Année Universitaire : 2022 - 2023


    Etude des données relatives à l’activité des femmes françaises

    Pour la mise en œuvre de l’AFC et de répondre les questions, l’installation et chargement des
    packages FactoMineR, gplots sont nécessaire.

    1. Le tableau de contingence à partir du fichier FamilleActivite.txt.


    Premièrement, On va définir la location du répertoire de travail. Il existe une
    commande getwd() qui permet d’afficher la location du problème de travail sous la forme
    d’une chemin absolu.
    Ensuite, nous lisons le fichier FamilleActivite.txt à partir de la fonction read.table().
    La fonction read.table() permet de lire un fichier dans un format tabulaire et de créer une
    dataframe à partir de ce dernier.

    - L’argument header=T permet de spécifier que la première ligne de jeu de données


    correspond aux intitulé des colonnes.
    - L’argument sep= « » indique que la séparation de colonne est un espace.

    Les valeurs de n= 3 et p =3.

    On convertie le tableau de contingence en une matrice K par la fonction as.matrix.


    La commande as.matrix est utilisée pour convertir un objet en une matrice en
    utilisant les données de l'objet. Dans R, un objet peut être de différents types tels que vecteur,
    liste, data.frame, etc. La fonction as.matrix permet de transformer ces objets en une
    représentation matricielle.

    2. Les valeurs et leurs interprétations en français pour l’enquête des paramètres.

    La fonction rowSums() permet de calculer la somme des valeurs pour chaque ligne
    d’une matrice ou d’une data.frame et la fonction colSum() permet de calculer la somme
    des valeurs pour chaque colonne. Enfin, la commande sum() calcule toutes les valeurs
    contenus dans la matrice.

    Interprétation :
    o Ici la somme des valeurs de la première ligne est 261, la somme des valeurs de la
    deuxième ligne est 555 et la somme des valeurs de la troisième ligne est 908.
    o Ici que la somme des valeurs de la première colonne est 284, la somme des valeurs de
    la deuxième colonne est 1123 et la somme des valeurs de la troisième colonne est 317.
    o La somme de toutes les valeurs de la matrice K est 1724.
    3. Calculons le tableau de conjointe et affichons avec 4 décimales.
    Pour calculer la probabilité conjointe des valeurs dans une matrice, on divise chaque
    élément de la matrice par la somme totale de tous les éléments de la matrice. La commande
    round() est utilisé pour arrondir un nombre à un nombre spécifié de décimale.

    4. Exécution de la commande balloonplot.

    Commande balloonplot permet de créer un graphique de type "balloon plot". Ce type de


    graphique est utilisé pour visualiser les résultats d'une Analyse Factorielle des
    Correspondances (AFC) en mettant en évidence les contributions des variables (ou
    catégories) aux axes factoriels.

    Dans une distribution de probabilité, la somme totale des probabilités doit être égale à
    1. Cela est dû à la nature des probabilités, qui représentent la mesure de la certitude ou de
    l'incertitude associée à chaque événement dans un ensemble donné.

    Lorsque nous avons une distribution de probabilités pour une variable discrète, la somme des
    probabilités de toutes les catégories de cette variable doit être égale à 1. Cela signifie que l'un
    des événements possibles doit se produire, car l'ensemble de tous les événements possibles
    représente l'espace des probabilités complet. C'est pourquoi la somme totale des probabilités
    doit être égale à 1 dans une distribution de probabilité valide. Cela est une propriété
    fondamentale des probabilités et est essentiel pour interpréter correctement les résultats d'une
    analyse probabiliste.

    5. Calculons le tableau profils lignes (probabilité conditionnelles) et les profils colonne.

     Le tableau profils lignes :

     Le tableau profils colonne

    Affichage des tableaux profils lignes et colonnes avec la commande balloonplot.

     Tableau profils ligne par la commande balloonplot :


     Tableau profils colonne par la commande balloonplot :

    6. Exécution d’une AFC par la commande res=CA(K).


    La commande CA() effectue une Analyse Factorielle des Correspondances (AFC) sur les
    donnée catégorielles.

    Affichage du résultat :
    7. Les qualités de représentation du premier axe factoriel, du deuxième axe factoriel et
    du premier plan factoriel.

    La commande res$col$contrib[,1] extrait les contributions des variables à la première


    dimension(premier axe) de l’axe 1. Ces contributions indiquent l’importance de chaque
    variable dans la formation de l’axe 1.

    La commande res$col$contrib[,2] extrait les contributions des variables à la


    deuxième dimension(deuxième axe) de l’AFC. Ces contributions indiquent l’importance
    de chaque variable dans la formation de l’axe 2.

    8. Examinassions des éléments lignes et colonnes qui s’opposent sur cet axe et qui ont
    une contribution importante.
    9. Le nuage des profils lignes N(I)
     Calculons le centre de gravité de N (I).

    Affichage de centre de gravité par la commande balloonplot.


     Calculons le tableau Lift(J)

    10. Le nuage de profils colonnes.

     Calculons le centre de gravité de N(I)


     Calculons le tableau Lift(J)

    Vous aimerez peut-être aussi