mougnibas/projet-analyse-donnees
1
0
Fork 0
Code Issues Pull requests Projects Releases Packages Wiki Activity Actions

de la merde

Browse source
This commit is contained in:
Blessing Jibidar 2025-01-07 17:27:39 +01:00
parent 9a1658886d
commit 2f390a77c5
1 changed files with 24 additions and 17 deletions
Show stats Download patch file Download diff file Expand all files Collapse all files

41
Projet.Rmd
View file

@ -409,8 +409,8 @@ On remaque bien 2 clusters
### PAM
```{r, fig.cap="Visualisation des clusters générés par la méthode PAM dnas le plan factoriel 1,2"}
res = pam(s,2,metric="euclidean")
fviz_cluster(res,data=donnees_transposees,
res_pam = pam(s,2,metric="euclidean")
fviz_cluster(res_pam,data=donnees_transposees,
ellipse.type="norm",labelsize=8,
geom=c("point"))+ggtitle("Visualisation des clusters générés par la méthode PAM dnas le plan factoriel 1,2")
```
@ -426,27 +426,16 @@ hward<-hclust(dx,method = "ward.D2")
CH<-NULL
Kmax<-20
for (k in 2:Kmax){
CH<-c(CH,index.G1(dx, cl= cutree(hward,k)))
CH<-c(CH,index.G1(x=donnees_transposees, cl= cutree(hward,k)))
}
daux<-data.frame(NbClust=2:Kmax,CH=CH)
ggplot(daux,aes(x=NbClust,y=CH))+
geom_line()+
geom_point()
ClustCH<-cutree(hward,k=6)
fviz_dend(hward,k=4,show_labels=FALSE)
fviz_pca_ind(res, habillage = as.factor(ClustCH), geom = c("point"))
fviz_dend(hward,k=4,
show_labels = TRUE,
rect=TRUE,
rect_fill = TRUE,
palette = "npg",
rect_border = "npg",
labels_track_height = 0.8)+ggtitle("Dendogramme du clustering de l'ACP des variables Tt en tant qu'individus, obtenu par méthode CAH")
ClustCH<-cutree(hward,k=2)
fviz_dend(hward,k=2,show_labels=FALSE)+ggtitle("Dendogramme du clustering de l'ACP des variables Tt en tant qu'individus, obtenu par méthode CAH")
fviz_pca_ind(res_pca, habillage = as.factor(ClustCH), geom = c("point"))
```
@ -457,6 +446,24 @@ On voit bien qu'à 4 classes, les regroupements ne sont pas consistents entre ch
La classification obtenue est en accord avec les observations faites lors de l'ACP, on y retrouve plus ou moins les mêmes groupements : celui majoritarement composé des relevés de T1 avec une majorité de gènes sans changement d'expression relative, celui composé des relevés de T2 et T3 aux heures des changements d'expression les plus brutaux, et finalement celui s'étalant sur la droite qui semble représenter la fin de l'évolution des traitements T2 et T3 où l'expression de gènes y est très polarisée.
FAIRE LES GRAPHES RONDS CHELOUS POUR LES CLUSTERINGS 2 A 2
```{r}
# kmeans et PAM
clust1f = paste("CLkm-",res_kmeans$cluster, sep="")
clust2f = paste("CLCAH-", res_pam$clustering, sep="")
chordDiagram(table(clust1f,clust2f))
# kmeans et CAH
clust1f = paste("CLkm-",res_kmeans$cluster, sep="")
clust2f = paste("CLCAH-", cutree(hward,2), sep="")
chordDiagram(table(clust1f,clust2f))
# PAM ET CAH
clust1f = paste("CLkm-",res_pam$clustering, sep="")
clust2f = paste("CLCAH-", cutree(hward,2), sep="")
chordDiagram(table(clust1f,clust2f))
```
# ANALYSE DES GENES