Classification hiérarchique ascendante

Bonjour , je suis actuellement en 4eme année d'école d'ingénieur et je travail sur un projet qui est la modélisation de la créance de la créatinine . Pour ce projet des données m'ont été fournies , en effet j'ai un échantillon de 277 patients et 12 variables différentes , comme leur poids , leur tour de taille , leur IMC , leur taux de créatine , la CRCL etc...
L'objectif de ce projet et de trouver une matrice ( deux matrices que l'on multiplie enfait ) qui fait que quand on rentrera les données telle que le poids , la taille , l'IMC , etc, de cette personne , on arrive à avoir son taux de CRCL .

Bref pour l'instant je dois juste diviser ma population en différentes classes selon le niveau de CRCL , par exemple de 25 à 70 : très faible niveau de CRCL , 70 à 100 : faible , 100 à 150 : moyen , etc...
Pour cela il m'a été demander d'utiliser la classification hiérarchique ascendante avec le logiciel statistica . Chose que j'ai faite , et j'obtient bien ce qu'on appelle un dendrogramme, et je comprend bien comment on peut obtenir des classes de personnes . Cependant je ne comprend pas comment grâce à cela nous pouvons réaliser des classes de CRCL et en plus trouver leurs valeurs, pour moi ici on obtient juste des classes de personnes qui ont été déterminer à l'aide de toute les variables .

Est-ce que quelqu'un pourrait m'aider sur ce point ?
Peut être que j'utilise mal statistica ? J'ai utilisé un dendrogramme avec les distances euclidiennes et la méthode de ward , peut être qu'il ne faut pas utiliser cette méthode ?

Merci beaucoup d'avance en espérant que j'ai été assez clair

Ta problématique est une classification supervisée.
Le clustering est une classification non supervisée.
Le clustering te permet éventuellement d'isoler un segment ou les individus ont un taux elevé de CRCL.
Si les clusters trouvé correspondent à ta problématique, alors oui tu pourra classer automatiquement un individu dans le groupe qui va bien.

Si le clustering ne s’avère pas intéressant (et il y'a peu de raison a priori qu'il le soit) il faudra choisir une méthode supervisée.

D'accord , merci beaucoup de ta réponse .

Et sais-tu comment réalise t-on cela sur Statistica ?

heisenberg a écrit:D'accord , merci beaucoup de ta réponse .

Et sais-tu comment réalise t-on cela sur Statistica ?

Tout d'abord il faut savoir pourquoi il t'a été demander de faire un clustering si ça ne correspond pas à tes besoins.
Ensuite tu lis quelque cours sur l'apprentissage supervisé en insistant bien sur la différence entre regression et classification.
tu te fixe une problématique.
Tu sélectionne les quelque méthodes qui répondent aux objectifs que tu t'es fixé.
tu retraite tes données si besoin.
enfin tu peux ouvrir statistica et leur site internet avec les didacticiels correspondant.

OK merci , je vais voir tout ça

Enfait les classes sont déjà connues , j'ai 4 classes différentes et je dois juste trouver les variables qui permettent de différencier ces classes .