Clustering sans pré-analyse

Bonjour,

J'avais une question : est-il pertinent de faire un cluster sans avoir faire d'ACP ou d'AFC au préalable ?
Je m'explique : j'ai eu un jeu de données avec en ligne des individus et en colonne des variables et j'ai effectué une FAMD sur ce jeu de données puis j'ai faire une classification mais je viens de penser que je perdais en information en réduisant les dimensions or mon but est de créer des profils-types en expliquant avec les différentes variables qui les composent.

Merci d'avance pour votre aide

Oui, on peut évidement faire des classifications/clustering sur des données sans faire d'analyse multivariée auparavant. Ca évite effectvement de perdre de l'information en cours de route.

Eric.

Bonjour,

attention tout de même car ça dépend de l'algorithme de classification qui va tolérer plus ou moins bien des distances dans des espaces non-euclidien.

Nik

Mais du coup oui je me posais la question : comment le logiciel va calculer des distances de similarités ou de dissimilarités en cherchant directement à faire une classification.

Ok, nik a raison. Ce que j'ai répondu était valide pour l'ACP. Pour une AFC (ou AFCM), ce qu'on peut faire (ce que je fais moi), c'est de faire la classification sur l'ensemble des axes après l'analyse. Ainsi, on récupère l'ensemble de l'information.

Eric.

Bonjour, Mr Wajnberg a conseillé une très bonne méthode. Il existe une autre méthode pour faire du clustering sans ''réduire la dimension'' et donc perdre un peu d'information : les cartes de Kohonen (réseau de neurones non supervisés, carte-auto-adaptative), tout ça c'est la même chose. C'est un algorithme très célèbre (en plus d'être très original).

Je l'ai utilisé récemment, et j'ai obtenu un clustering assez proche de la technique de Mr Wajnberg. Mais cela t'évite de perdre trop d'information. Même si on fait toujours une ACP car il existe toujours un "bruit statistique".

Ce qu'il faut savoir c'est que les techniques neuronales marchent très bien mais selon mon directeur de thèse c'est en train de perdre du terrain car elles sont moins efficaces que d'autres types d'apprentissage comme l'apprentissage par renforcement.