ACM avec R

Bonjour,

J'ai fait une classification avec R et je voulais récupérer les axes de classification.
Comment je peux faire sachant que j'ai utilisé la fonction MCA du package FactoMiner? :
res<-MCA(data)

cordialement,

Bonsoir,

François Husson fait des vidéos sur YouTube, il explique les différentes analyses pluridimensionnelles sur R dans des vidéos.

L'ACM ne classifie rien, elle décrit un ensemble de données et je penses que la fonction dimdesc répond à ta question, sinon tu peux obtenir la description des catégories sur tes axes par res$var$coord

Je vous remercie pour vos réponses.

Au fait le problème est que je dispose d'un jeu de données contenant des variables quantitative et des variables qualitatives et j'ai voulu avoir des sous groupes homogènes de la population pour ça j'ai commencé par :
1-faire une ACP pour les variables quantitatives
pcp=dudi.pca(dd2[1:130291,c(16,17,18,19,28,29)])
2- récupérer les axes de l'ACP
axes=pcp$x[,1:4]
3-faire une ACM pour les variables qualitatives
ddc<-dd2[1:130291,c(1,14,21,22,27,30)]
acm=MCA(dd2[1:130291,c(1,14,21,22,27,30)])

4-récupérer les axes de l'acm
axem=acm$ind$coord
5-combiner les 2 axes
axe2=cbind(axes,axem)
6-faire un k-means sur ces 2 derniers axes
datac=kmeans(axe2,centers=9)
mydata <- data.frame(dd2[1:130291,], datac$cluster)

Comment je peux valider le k-means sur le fichier test ?

dudi.pca fait partie du package ape4 et MCA de FactoMineR. C'est se compliquer la vie alors que chacun des packages offre les deux procédures. J'utilise régulièrement FactoMineR, je vais donc répondre avec ce package.

1) Je ferais une analyse en facteurs multiples (MFA) qui me permettrait de placer les individus dans un repère unique généré par les deux types de variables ;
2) J'essaierai de déterminer le nombre d'axes à conserver ; en effet 4 pour l'ACP alors qu'il y a 6 variables et 5 pour l'ACM (valeur par défaut de MCA) pour toujours 6 variables revient pratiquement à utiliser les données initiales sauf si les matrices sont proches de matrices aléatoires ; l'examen des analyses individuelles permet d'estimer le nombre d'axes à conserver ;
3) les clusters obtenus par k-means sont instables ; il faut donc répéter plusieurs fois la procédure et avant tout répondre à la question de déterminer le nombre de clusters ; la page https://en.wikipedia.org/wiki/Determining_the_number_of_clusters_in_a_data_set est un bon début sur le sujet.

Merci pour votre réponse.

Comment savoir si les clusters obtenus sont instables ?