Classification de variables qualitatives autour de variables latentes.

Vanessa Kuentz (Universités Bordeaux 1 et 2)
vendredi 8 janvier 2010

Résumé : Les méthodes de classification de variables permettent d’organiser les variables en classes homogènes afin de faire ressortir une structure. Il est alors possible de sélectionner une variable, ou construire une variable synthétique, dans chaque groupe. Dans cette présentation, nous étendons le critère utilisé par Vigneau et Qannari (2003) dans leur approche de classification de variables quantitatives autour de variables latentes (CLV pour Clustering around Latent Variables) au cas de variables qualitatives. Le critère d’homogénéité d’une classe de variables qualitatives est défini comme la somme des rapports de corrélation entre les variables qualitatives et une variable latente, qui dans ce cas est numérique. Nous montrons que la variable latente d’une classe peut être obtenue par une Analyse des Correspondances Multiples. Différents algorithmes sont proposés pour la classification de variables qualitatives (algorithme de réallocation de type nuées dynamiques, classification hiérarchique ascendante et descendante) et sont illustrés sur des données réelles.


Cet exposé se tiendra en salle C20-13, 20ème étage, Université Paris 1, Centre Pierre Mendes-France, 90 rue de Tolbiac, 75013 Paris (métro : Olympiades).


Agenda

<<

2017

>>

<<

Avril

>>

Aujourd'hui

LuMaMeJeVeSaDi
272829303112
3456789
10111213141516
17181920212223
24252627282930

Annonces

ESANN 2016 : European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning


STATLEARN 2016


ICOR 2016