Joseph Larmarange

Où couper un dendrogramme ?

Joseph LARMARANGE — 2013-11-03T19:43:41Z

La fonction best.cutree est maintenant disponible dans la package JLutils.

Dans le cadre d'une classification hiérarchique, il n'est pas toujours aisée de déterminer le nombre adéquat de classes à retenir.

Le package FactoMineR, dans le cadre de sa fonction HCPC, suggère d'utiliser la partition ayant la plus grande perte relative d'inertie. La fonction best.cutree ci-dessous permet de calculer ce critère à partir de n'importe quel dendrogramme, qu'il ait été calculé avec hclust ou agnes.

best.cutree <- function(hc, min=3, max=20, loss=FALSE, graph=FALSE, ...){ if (class(hc)!="hclust") hc <- as.hclust(hc) max <- min(max, length(hc$height)) inert.gain <- rev(hc$height) intra <- rev(cumsum(rev(inert.gain))) relative.loss = intra[min:(max)]/intra[(min - 1):(max - 1)] best = which.min(relative.loss) names(relative.loss) <- min:max if (graph) { temp <- relative.loss temp[best] <- NA best2 <- which.min(temp) pch <- rep(1, max-min+1) pch[best] <- 16 pch[best2] <- 21 plot(min:max, relative.loss, pch=pch, bg="grey75", ...) } else { if (loss) relative.loss else best + min - 1 }
}

hc : dendrogramme renvoyé par hclust ou agnes
min : nombre minimum de classes
max : nombre maximum de classes
loss : si égal à TRUE, renverra la liste des pertes d'inertie relatives plutôt que la meilleure partition
graph : si égal àTRUE, affichera un graphique des pertes d'inertie relatives, la meilleure partition étant représentée par un point noir et la seconde par un point gris

Exemples :

R> best.cutree(arbre)
[1] 5 R> best.cutree(arbre,loss=TRUE) 3 4 5 6 7 0.9112290 0.9046093 0.8985344 0.9081087 0.9131271 8 9 10 11 12 0.9223434 0.9542413 0.9569882 0.9626851 0.9667498 13 14 15 16 17 0.9744444 0.9751951 0.9808652 0.9813681 0.9814403 18 19 20 0.9818613 0.9819599 0.9819514 R> best.cutree(arbre,graph=TRUE)

Calculer les Odds Ratio d'une régression logistique binaire ou multinomiale

Joseph LARMARANGE — 2013-10-29T16:21:40Z

La fonction odds.ratio est maintenant disponible dans le package questionr (à partir de la version 0.3.0).

Lorsque l'on calcule une régression logistique avec glm(), la fonction summary() ne fournit pas directement les odds ratio. Bien que ces derniers soient aisés à calculer (voir http://www.ats.ucla.edu/stat/r/dae/..., il peut être utile d'avoir une fonction les renvoyant directement.

Le constat est presque identique lorsque l'on réalise une régression multinomiale avec multinom() du package nnet. Mais cette fois-ci, les valeurs de p ne sont même pas accessibles via summary() (voir http://www.ats.ucla.edu/stat/r/dae/....

La fonction odds.ratio(), dont le code est visible à https://github.com/juba/questionr/blob/master/R/odds.ratio.r, permet de se faciliter la vie. On peut lui passer soit le résultat d'une régression logistique exécutée avec glm(family=binomial(logit)) soit le résultat d'une régression multinomiale réalisée avec multinom(). Elle affichera les odds ratio, leur intervalles de confiance ainsi que la valeur de p.

On peut préciser la confiance de l'intervalle avec le paramètre level ainsi que le nombre de décimale à afficher pour les odds ratio avec digits.

Représenter un tapis de séquences ordonnées selon un dendrogramme

Joseph LARMARANGE — 2013-03-11T12:22:30Z

La fonction seq_heatmap est maintenant disponible dans le package JLutils.

Nicolas Robette a écrit un excellent article d'introduction à l'analyse de séquences sur le blog Quanti.hypotheses.org (voir L'analyse de séquences : une introduction avec le logiciel R et le package TraMineR).

Il y montre notamment comment calculer une distance entre séquences, ce qui permet ensuite d'effectuer une classification hiérarchique pour regrouper les différentes séquences en un nombre limité de classes en fonction de leur proximité.

Un des modes de représentation proposé par le package TraMineR est appelé “tapis”. Les tapis permettent de mieux visualiser la dimension individuelle des séquences. Chaque segment horizontal représente une séquence, découpée en sous-segments correspondant aux aux différents états successifs qui composent la séquence.

Nous proposons ici une petite astuce permettant de représenter sur un même graphique le tapis des séquences et le dendrogramme de la classification hiérarchique, les séquences étant alors triées selon les regroupements du dendrogramme, permettant de mieux comprendre comment se constituent les différentes classes.

Ce type de représentation s'inspire des heat map et utilise d'ailleurs la fonction native heatmap() fournie par R.

Voici en premier lieu le code à copier/coller dans R pour définir la fonction seq_heatmap :

seq_heatmap <- function (seq, tree, with.missing=FALSE, ...) { if (class(tree)!="dendrogram") tree <- as.dendrogram(tree) mat <- seq for (i in 1:length(seq)){ mat[mat[,i]=="%",i] <- NA mat[,i] <- as.numeric(mat[,i]) } mat <- as.matrix(mat) col <- attr(seq,"cpal") if (with.missing) col <- c(col,attr(seq,"missing.color")) heatmap(mat, tree, NA, na.rm=FALSE, col=col, scale="none", labRow=NA, ...) }

Il suffit ensuite d'appeler cette fonction en lui passant en premier lieu le tableau des séquences défini à l'aide de la fonction seqdef() et en second le dendrogramme obtenu avec hclust() ou agnes() [1].

Pour reprendre les données fournies en exemple par Nicolas Robette, on saisira
seq_heatmap(seq,seq.agnes,labCol=14:50) pour obtenir le résultat ci-dessous :

[1] Au passage j'en profite pour citer l'excellent package flashClust. Le calcul d'un dendrogramme peut être particulièrement long si le fichier de données est important. Ce package permet de réduire très significativement le temps de calcul.

Sublime Text 2 avec R et Spip

Joseph LARMARANGE — 2012-12-05T10:37:30Z

Depuis quelque temps, je me suis à Sublime Text 2, un éditeur de code à l'interface agréable.

Certes, petite entorse à mes habitudes, Sublime Text 2 n'est pas libre. La licence est payante. Cependant, la version gratuite n'est pas limitée, seul un message invitant à acheter une licence apparaissant à intervalles réguliers.

Utiliser Sublime Text 2 avec R

Tom Schenk Jr. a écrit un tutoriel détaillé expliquant comment faire fonctionner Sublime Text 2 avec R. Dès lors, on peut d'un raccourci clavier envoyer du code vers R ou faire apparaitre la console R directement dans Sublime Text.

Sublime Text 2 et Spip

Bien sûr, je ne peux m'empêcher de mentionner mon écureuil préféré via Sublime SPIP, une extension pour Sublime Text.

Ce plugin ajoute le langage spécifique au CMS SPIP à Sublime Text 2 grâce à une collection de snippet.

Il ajoute également les balises spécifiques aux squelettes de spip.
Ce plugin permet :

Création rapide de Boucle SPIP via le raccourci BOUCLE (tapez BOUCLE puis faite ctrl+espace)
L'autocomplétion des balises SPIP.
L'ajout de critère dans les boucles spip.
Deux snippets pour créer rapidement des formulaires CVT spip.
Un snippets pour créer rapidement un fichier de langue spip.
L'autocomplétion de certaines fonctions PHP de spip.
L'autocomplétion des filtres SPIP.

Étendre Sublime Text 2

De nombreux autres extensions sont disponibles pour Sublime Text 2. Il suffit d'aller faire un tour sur Sublime Package Control.

Caractères spéciaux et caractères Unicode

Joseph LARMARANGE — 2007-02-03T02:35:01Z

Lorsque l'on rédige un texte, notamment technique, on est souvent confronté à la nécessité d'afficher certains caractères qui ne sont pas directement accessibles sur le clavier.

Afin de se faciliter la vie, ci-dessous un petit mémo, certes non exhaustif, à découper et à coller à côté de son écran (disponible en deux formats : PDF et RTF).

Pour compléter, quelques règles typographiques et conseils pour trouver d'autres raccourcis claviers.

Obtenir un caractère spécial

Il suffit d'appuyer sur la touche ALT et, tout en maintenant cette touche enfoncée, de taper les quatre chiffres du caractère sur le pavé numérique, puis de relâcher la touche ALT. Cette manière de procéder fonctionne sous Word et sous OpenOffice. Pour les autres logiciels, cela peut varier.

Pour des usages plus poussés (et notamment transformer le point du pavé numérique en virgule), vous pouvez utiliser le logiciel libre et gratuit AllChars (voir son descriptif sur Framasoft).

Les ALT-Codes

Cette fonctionnalité sous Windows est connue sous le nom de ALT-Codes. Historiquement, cela ne concernait qu'un nombre limité de caractères. Pour plus d'infos et des tables plus détaillées, voir l'entrée ALT-Codes de Wikipedia ou encore le site alt-codes.net.

Des systèmes équivalents existent sur d'autres plateformes (voir par exemple cette liste de raccourcis pour Ubuntu).

Raccourcis pour les caractères Unicode

Pour simplifier, Unicode est une norme informatique dont l'objectif est de pouvoir représenter tous les caractères existants. On y trouve ainsi des caractères mathématiques, des caractères latins, cyrilliques, grecs, etc. Toutes les polices de caractères ne sont pas compatibles avec Unicode et certaines d'entre elles ne prennent en charge que certains blocs de caractères (par exemple, affiche les caractères grecs mais pas les caractères Arabes). Pour plus d'informations, on peut aller voir cette page de Wikipedia : http://fr.wikipedia.org/wiki/Aide:U....

Chaque caractère Unicode est défini par un nombre hexadécimal à 4 chiffres [1]. Le code hexadécimal d'un caractère peut être obtenu à partir de la table des caractères Windows (menu Programmes > Accessoires > Outils système) ou bien sur le site http://unicode.org/fr/.

Pour obtenir la version décimale [2] d'un code hexadécimal, vous pouvez utilisez la Calculatrice Windows. Dans Affichage, choisir Scientifique. Sélectionner Hex, taper le code hexadécimal, puis choisissez Déc pour obtenir sa correspondance décimale. Vous pouvez aussi utiliser en ligne BHDConv.

Une fois obtenu la version décimale du code d'un caractère Unicode, il suffit de faire ALT + code décimal pour l'insérer.

Quelques règles typographiques

Il s'agit de règles en lien avec ces caractères spéciaux. Pour des règles plus détaillées, je vous conseille la lecture de Petites leçons de typographie de Jacques André qui se télécharge ici : http://jacques-andre.fr/faqtypo/les.... Et puis il y a l'excellent (mais payant) Lexiques des Règles Typographiques en usage à l'imprimerie nationale.

Majuscules Accentuées

En français, les accents ont pleine valeur orthographique. Leur absence peut modifier significativement le sens d'un texte. Il convient donc, selon l'Académie Française, l'Imprimerie Nationale ou encore la Bibliothèque de la Pléiade, d'accentuer les majuscules (y compris la cédille).

Pour activer cette fonctionnalité sous Word : Outils > Options > Édition > Majuscules accentuées en français.

Guillemets et espaces insécables

Il faut distinguer les guillemets français (« ») des guillemets anglais (“ ”). Les guillemets anglais peuvent être utilisés dans un texte français à l'intérieur d'une citation. Si un mot est entre guillemets dans le texte original, on l'encadrera par des guillemets anglais tandis que l'ensemble de la citation sera entre guillemets français.

Notes de tableaux

Les notes d'un tableau font partie intégrante du tableau. Elles ne doivent donc pas êtres confondus avec les notes de bas de page ou les notes de fin. Les notes d'un tableau seront donc affichées directement sous le tableau, juste avant les sources.

Une astuce pour les positionner consiste à ajouter une ligne à la fin de votre tableau, de fusionner toutes les cellules de cette ligne en une seule, et de placer vos notes et vos sources dans cette case.

Il vaut mieux éviter de numéroter vos notes de tableaux 1, 2, 3, 4… afin de ne pas interférer avec vos notes de bas de pages ou vos notes de fin. Vous pouvez utiliser des notes numérotées par les lettres de l'alphabet : a, b, c, d… Un autre système de numérotation employé est le suivant : *, †, ‡, §, #, **, ††, ‡‡, §§, ##, ***, †††, ‡‡‡ etc.

Lorsque dans le tableau des test statistiques sont indiqués par les symboles *, ** et *** [3], il est possible d'avoir recours au même système de numérotation mais sans les symboles *.

Ce système présente l'avantage de ne pas utiliser de chiffres ou de lettres et donc de faciliter la lecture du tableau. En effet, une note numérotée par un chiffre ou une lettre pourrait être confondue avec un résultat du tableau.

[1] En hexadécimal, il existe 16 chiffres différents : 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, A, B, C, D, E et F

[2] C'est à dire avec uniquement des chiifres allant de 0 à 9.

[3] Le plus souvent sous la forme suivante : * pour p<0,05 ; ** pour p<0,01 et *** pour p<0,001.

Création d'un masque de saisie

Joseph LARMARANGE — 2005-01-26T01:54:00Z

Dicaticiel et exercice pratique pour créer un masque de saisie sous Microsoft Excel. Il s'agit de permettre à un utilisateur de saisir des données tout en le guidant et en interdisant la saisie de valeur interdite.

- Divers / Méthodologie, Astuces, Excel