Aller au contenu

Classification automatique de fromages

Classification automatique de fromages Ce document présente une démarche de classification automatique d'un ensemble de fromages, en utilisant des méthodes statistiques pour identifier des groupes homogènes. Les étudiants découvriront les approches de classification ascendante hiérarchique (CAH) et de k-means, ainsi que des exemples pratiques et des interprétations des résultats.

D'après le document Classification automatique de fromages

Cet article a été rédigé automatiquement à partir du document source, puis vérifié avant publication.

Document source

Classification automatique de fromages

Data Analysis and Machine Learning · PDF · 17 pages

Afficher l'aperçu du document

Consulter le document original →

Classification automatique de fromages

Ce document présente une démarche de classification automatique d'un ensemble de fromages, en utilisant des méthodes statistiques pour identifier des groupes homogènes. Les étudiants découvriront les approches de classification ascendante hiérarchique (CAH) et de k-means, ainsi que des exemples pratiques et des interprétations des résultats.

Objectifs de l’étude

L'objectif principal de cette étude est de classifier un ensemble de 29 fromages en fonction de leurs propriétés nutritives, telles que les protéines, les lipides, et d'autres variables. Nous utiliserons deux méthodes principales : la classification ascendante hiérarchique (CAH) et la méthode des centres mobiles (k-means).

Données disponibles

Les données proviennent d'un fichier nommé « fromage.txt » qui contient les caractéristiques nutritionnelles des fromages. Les variables actives incluent :

  • calories
  • sodium
  • calcium
  • lipides
  • retinol
  • folates
  • protéines
  • cholestérol
  • magnésium

Classification ascendante hiérarchique (CAH)

La CAH est une méthode de classification qui regroupe les observations en fonction de leurs similarités. Nous allons utiliser le package SciPy pour effectuer cette analyse.

Utilisation du package SciPy

# Librairies pour la CAH
from matplotlib import pyplot as plt
from scipy.cluster.hierarchy import dendrogram, linkage

# Générer la matrice des liens
Z = linkage(fromage_cr, method='ward', metric='euclidean')

# Affichage du dendrogramme
plt.title("CAH")
dendrogram(Z, labels=fromage.index, orientation='left', color_threshold=0)
plt.show()

Le dendrogramme obtenu suggère un découpage en 4 groupes. Une classe de fromages, les « fromages frais », se démarque fortement des autres.

Découpage en classes

# Matérialisation des 4 classes (hauteur t = 7)
plt.title('CAH avec matérialisation des 4 classes')
dendrogram(Z, labels=fromage.index, orientation='left', color_threshold=7)
plt.show()

# Découpage à la hauteur t = 7
groupes_cah = fcluster(Z, t=7, criterion='distance')
print(groupes_cah)

Les groupes identifiés sont :

  • Groupe 1 : Fromages frais
  • Groupe 2 : Fromages à pâte molle
  • Groupe 3 : Fromages durs
  • Groupe 4 : Autres fromages

Méthode des centres mobiles (k-means)

La méthode k-means est une autre approche de classification qui partitionne les données en k groupes. Nous utiliserons le package Scikit-Learn pour cette méthode.

Utilisation du package Scikit-Learn

# K-means sur les données centrées et réduites
from sklearn import cluster
kmeans = cluster.KMeans(n_clusters=4)
kmeans.fit(fromage_cr)

# Affichage des observations et leurs groupes
idk = np.argsort(kmeans.labels_)
print(pandas.DataFrame(fromage.index[idk], kmeans.labels_[idk]))

Les résultats montrent que le groupe 1 de la CAH coïncide avec le groupe 1 des k-means, mais il existe des différences dans les autres groupes.

Aide à la détection du nombre adéquat de groupes

Contrairement à la CAH, la méthode k-means ne fournit pas d'outils pour déterminer le nombre optimal de classes. Nous devons programmer cette analyse en utilisant la métrique « silhouette ».

# Librairie pour évaluation des partitions
from sklearn import metrics

# Utilisation de la métrique "silhouette"
res = np.arange(9, dtype="double")
for k in np.arange(9):
    km = cluster.KMeans(n_clusters=k+2)
    km.fit(fromage_cr)
    res[k] = metrics.silhouette_score(fromage_cr, km.labels_)

# Graphique
plt.title("Silhouette")
plt.xlabel("# de clusters")
plt.plot(np.arange(2, 11, 1), res)
plt.show()

Le graphique montre que la partition en k = 2 groupes semble être la meilleure selon la métrique « silhouette ».

Interprétation des classes

Une fois les groupes identifiés, il est essentiel de comparer les moyennes des variables actives conditionnellement aux groupes. Cela permet de quantifier les différences entre les groupes.

# Moyenne par variable
m = fromage.mean()
# TSS
TSS = fromage.shape[0] * fromage.var(ddof=0)
print(TSS)

# DataFrame conditionnellement aux groupes
gb = fromage.groupby(kmeans.labels_)
# Effectifs conditionnels
nk = gb.size()
print(nk)

# Moyennes conditionnelles
mk = gb.mean()
print(mk)

Les résultats montrent que la définition des groupes est dominée par les teneurs en graisses et en protéines. Par exemple, le groupe n°0 est fortement déterminé par ces variables.

Questions fréquentes

Qu'est-ce que la méthode k-means ?

La méthode k-means est une technique de classification qui partitionne les données en k groupes en minimisant la distance entre les points de données et les centres de chaque groupe.

Comment fonctionne la CAH ?

La classification ascendante hiérarchique (CAH) regroupe les observations en fonction de leurs similarités, créant un dendrogramme qui montre les relations entre les groupes.

Qu'est-ce que le score de silhouette ?

Le score de silhouette est une métrique qui évalue la qualité d'une partition en mesurant à quel point les objets sont similaires à leur propre groupe par rapport aux autres groupes.

Comment interpréter les classes obtenues ?

L'interprétation des classes se fait en comparant les moyennes des variables actives entre les groupes, permettant d'identifier les caractéristiques distinctives de chaque groupe.

Quels outils utiliser pour la classification automatique ?

Pour la classification automatique, on peut utiliser des packages Python comme SciPy pour la CAH et Scikit-Learn pour la méthode k-means, qui offrent des fonctionnalités robustes pour l'analyse des données.

Partager

Commentaires

Aucun commentaire pour le moment. Posez la première question.

Les commentaires sont relus avant publication. Votre e-mail n'est jamais affiché.

← Toutes les révisions