Classification factorielle hiérarchique optimisée d’un tableau de mesures
Journal de la société française de statistique (2007)
- Volume: 148, Issue: 2, page 29-63
- ISSN: 1962-5197
Access Full Article
topAbstract
topHow to cite
topDenimal, Jean-Jacques. "Classification factorielle hiérarchique optimisée d’un tableau de mesures." Journal de la société française de statistique 148.2 (2007): 29-63. <http://eudml.org/doc/93460>.
@article{Denimal2007,
abstract = {L’analyse d’un tableau de mesures est généralement basée sur l’utilisation de l’analyse en composantes principales et de techniques de classification appliquées aux lignes et aux colonnes du tableau. Le dépouillement des résultats générés par ces analyses et surtout leur synthèse représentent souvent pour l’utilisateur un travail long et pénible principalement lorsque les dimensions du tableau sont élevées. La méthodologie proposée dans cet article permet de construire conjointement les axes factoriels et les noeuds des hiérarchies, facilitant ainsi leurs interprétations. Des étapes d’optimisation et d’élagage permettent d’obtenir les meilleures hiérarchies possibles restreintes à leurs noeuds significatifs. Un exemple d’application est également proposé en fin d’article.},
author = {Denimal, Jean-Jacques},
journal = {Journal de la société française de statistique},
keywords = {hierarchical classification; optimization; pruning techniques; factorial representations; cross-validation; permutation test},
language = {fre},
number = {2},
pages = {29-63},
publisher = {Société française de statistique},
title = {Classification factorielle hiérarchique optimisée d’un tableau de mesures},
url = {http://eudml.org/doc/93460},
volume = {148},
year = {2007},
}
TY - JOUR
AU - Denimal, Jean-Jacques
TI - Classification factorielle hiérarchique optimisée d’un tableau de mesures
JO - Journal de la société française de statistique
PY - 2007
PB - Société française de statistique
VL - 148
IS - 2
SP - 29
EP - 63
AB - L’analyse d’un tableau de mesures est généralement basée sur l’utilisation de l’analyse en composantes principales et de techniques de classification appliquées aux lignes et aux colonnes du tableau. Le dépouillement des résultats générés par ces analyses et surtout leur synthèse représentent souvent pour l’utilisateur un travail long et pénible principalement lorsque les dimensions du tableau sont élevées. La méthodologie proposée dans cet article permet de construire conjointement les axes factoriels et les noeuds des hiérarchies, facilitant ainsi leurs interprétations. Des étapes d’optimisation et d’élagage permettent d’obtenir les meilleures hiérarchies possibles restreintes à leurs noeuds significatifs. Un exemple d’application est également proposé en fin d’article.
LA - fre
KW - hierarchical classification; optimization; pruning techniques; factorial representations; cross-validation; permutation test
UR - http://eudml.org/doc/93460
ER -
References
top- [1] Bencheikh Y.K. (1992). Classification automatique et modèles. Thèse Université de Metz.
- [2] Bencheikh Y.K. (2004). Classification croisée et mélanges sur données quantitatives. Revue de Statistique Appliquée, LII(2), 71-86.
- [3] Benzecri J.-P. (1976). L’Analyse des Données (Volumes I and II). Dunod, Paris. Zbl0503.62003
- [4] Benzecri J.-P., Jambu M., Lebeaux M.O. (1980). Aides à l’interprétation en classification automatique. Les cahiers de l’analyse des données, 5, 1, pp.101-123.
- [5] Bruynooghe M. (1978). Large data set clustering methods using the concept of space contraction. Compstat. 3, Physika Verlag, Vienna, pp 239-245.
- [6] Cazes P. (1984). Correspondances hiérarchiques et ensembles associés. Les cahiers du Bureau Universitaire de Recherche Opérationnelle, n 43-44, pp 43-142.
- [7] Celeux G. (1988). Classification et modèles. Revue de Statistique Appliquée, XXXVI (4), 43-58 Zbl0972.62527MR983857
- [8] Denimal J.J. (2000). Correspondances hiérarchiques : une nouvelle approche. XXXII Journées de Statistiques, 15-19 mai 2000. Fès, Maroc.
- [9] Denimal J.J. (2001). Hierarchical factorial analysis. 10th International Symposium on Applied Stochastic Models and Data Analysis. 12-15 juin 2001. Compiègne.
- [10] Diday E. (1979). Optimisation en classification automatique. INRIA, Paris. Zbl0471.62056
- [11] Gifi A. (1990). Non linear multivariate analysis. John Wiley&sons, chichester. Zbl0697.62048
- [12] Govaert G. (1983). Classification croisée. Thèse d’Etat, Université Pierre et Marie Curie, Paris 6.
- [13] Jambu M., Lebeaux M.O. (1978). Classification automatique pour l’analyse des données. Dunod, Paris. Zbl0419.62058MR634959
- [14] Juan J. (1982). Classification automatique hiérarchique selon les voisins réciproques. Les cahiers de l’analyse des données, Vol 7, no 2. Zbl0505.62041
- [15] Lebart L., Morineau A., Warwick K.M. (1984). Multivariate descriptive statistical analysis. New York, Wiley. Zbl0658.62069MR744990
- [16] Lerman I.C. (1979). Les représentations factorielles de la classification. R.A.I.RO., Vol 13, no 2 et no 3. Zbl0408.62051
- [17] Lerman I.C. (1991). Foundations of the Likelihood Linkage Analysis (LLA) classification method. Applied Stochastic Models and Data Analysis, Vol.7, pp 63-76. Zbl0800.62320MR1105871
- [18] Qannari E.M., Vigneau F., Courcoux PH. (1999). Classification des variables autour de composantes principales. Applications. XXXIe Journées de Statistiques, 17-21 mai 1999. Grenoble.
- [19] Rao C.R., (1964). The use and interpretation of Principal Component Analysis in Applied Research. Sankhya A, 26, pp 329-358. Zbl0137.37207MR184375
- [20] Russett B.M. (1964). Inequality and Instability. World Politics, 21, pp 442, 454.
- [21] Sas/Stat (1996). User’s guide, SAS institute Inc., Cary, Nc, USA. Zbl0853.46053
- [22] Tenenhaus M. (1998). La régression PLS. Editions Technip. Zbl0923.62058MR1645125
- [23] Tille Y. (2001). Théorie des sondages. Dunod.
- [24] Umetrics Academy (1996). SIMCA-P for WINDOWS. Graphical Software for multivariate Process Modeling.
- [25] Van Der Vaart A.W. (2000). Asymptotic Statistics. Cambridge University Press. Zbl0910.62001
- [26] Ward J.H., (1963). Hierarchical grouping to optimize an objective function. Journal of the American Statistical Association, 58, pp 236-244. MR148188
- [27] Wold H. (1985). Partial least squares. Encyclopedia of statistical Sciences, vol 6, Kotz S. & Johnson N.L. (Eds), John Wiley & sons, New York, pp 581, 591.
NotesEmbed ?
topTo embed these notes on your page include the following JavaScript code on your page where you want the notes to appear.