Introduction en R

Arbres de décision
Règles d’association
Clustering

R et la fouille de données

M. Ledmi
[email protected]
Département d’Informatique Khenchela

2020/2021

M. Ledmi Introduction à la fouille de données

 Introduction en R
Arbres de décision
Règles d’association
Clustering

Plan

1 Introduction en R
Démarrer R
Syntaxe et manipulation de données
Structures de contrôle et Fonctions

2 Arbres de décision

3 Règles d’association

4 Clustering

M. Ledmi Introduction à la fouille de données

 Introduction en R
Démarrer R
Arbres de décision
Syntaxe et manipulation de données
Règles d’association
Structures de contrôle et Fonctions
Clustering

Vous êtes ici

1 Introduction en R
Démarrer R
Syntaxe et manipulation de données
Structures de contrôle et Fonctions

2 Arbres de décision

3 Règles d’association

4 Clustering

M. Ledmi Introduction à la fouille de données

 Introduction en R
Démarrer R
Arbres de décision
Syntaxe et manipulation de données
Règles d’association
Structures de contrôle et Fonctions
Clustering

Démarrer R
R est un logiciel pour l’analyse statistique. C’est un logiciel libre ; il est
disponible gratuitement et tourne sur différent système (PC Linux, PC
Windows, Mac).

Commandes
Vous pouvez le télécharger ici : http ://cran.r-project.org/
Le signe > en début de ligne est l’invite de commande de R.
Pour quitter R : > q()

Astuce
Lorsque l’on utilise R, il est possible de reprendre la ligne de commande tapée précédemment en appuyant sur la
flèche du haut du clavier. Appuyer plusieurs fois permet de récupérer des lignes plus anciennes.

M. Ledmi Introduction à la fouille de données

 Introduction en R
Démarrer R
Arbres de décision
Syntaxe et manipulation de données
Règles d’association
Structures de contrôle et Fonctions
Clustering

Commentaires

Dans R, tout ce qui suit le caractère #(= dièse) est un commentaire et

n’est pas pris en compte par R :
># Ceci est du baratin qui n’est pas pris en
compte par R !

M. Ledmi Introduction à la fouille de données

 Introduction en R
Démarrer R
Arbres de décision
Syntaxe et manipulation de données
Règles d’association
Structures de contrôle et Fonctions
Clustering

Variables
R manipule que les tableaux de données. Ces tableaux sont stockés dans
des variables, ce qui permet de leur donner un nom.
Le nom des variables doit commencer par une lettre et peut contenir
des lettres, des chiffres, des points et des caractères de soulignement
(_), mais surtout pas d’espace.
L’opérateur = est utilisé pour donner une valeur à une variable ; il
peut se lire prend la valeur de
on trouve aussi l’opérateur <- qui a exactement la même signification.
> age = 28
Pour afficher la valeur de la variable âge, il suffit de taper le nom de la
variable :
> age
[1] 28
M. Ledmi Introduction à la fouille de données
 Introduction en R
Démarrer R
Arbres de décision
Syntaxe et manipulation de données
Règles d’association
Structures de contrôle et Fonctions
Clustering

Types de donnée

R peut manipuler des nombres entiers, des flottants (= nombres à

virgule), des chaînes de caractère et des booléens (valeur vraie ou fausse) :
> age = 28 # Entier
> poids = 64.5 # Flottant
> nom = "Ngo bo" # Chaîne de caractère
> enseignant = TRUE # booléen
> etudiant = FALSE # booléen
> telephone = "01 48 38 73 34" # Chaîne de caractère !
La valeur spéciale NA (non available) est utilisée lorsqu’une donnée est
manquante.

M. Ledmi Introduction à la fouille de données

 Introduction en R
Démarrer R
Arbres de décision
Syntaxe et manipulation de données
Règles d’association
Structures de contrôle et Fonctions
Clustering

Tableaux-Vecteurs
Un vecteur est un tableau à une dimension. Toutes les cases du vecteur
doivent contenir des données du même type (des entiers, des chaînes de
caractère,...). La fonction c() permet de créer un vecteur :
> ages = c(28, 25, 23, 24, 26, 23, 21, 22, 24, 29, 24,
26, 31, 28, 27, 24, 23, 25, 27, 25, 24, 21, 24, 23, 25, 31,
28, 27, 24, 23)
> ages
[1] 28 25 23 24 26 23 21 22 24 29 24 26 31 28 27 24 23
[17] 25 27 25 24 21 24 23 25 31 28 27 24 23
[1] indique que ce qui suit est la première valeur du vecteur, et
[17] que la deuxième ligne commence à la 17ème valeur ;
[1] et [17] ne sont pas des éléments du vecteur.

M. Ledmi Introduction à la fouille de données

 Introduction en R
Démarrer R
Arbres de décision
Syntaxe et manipulation de données
Règles d’association
Structures de contrôle et Fonctions
Clustering

Tableaux-Vecteurs
La fonction c() permet aussi de concaténer ( mettre bout à bout) des
vecteurs :
> poids_groupe_temoin = c(75.0, 69.2, 75.4, 87.3)
> poids_groupe_intervention = c(70.5, 64.2, 76.4, 81.6)
> poids = c(poids_groupe_temoin,
poids_groupe_intervention)
> poids
[1] 75.0 69.2 75.4 87.3 70.5 64.2 76.4 81.6
Il est possible d’accéder à un élément du vecteur avec des crochets. Par
exemple pour accéder au second élément du vecteur poids :
> poids[2]
[1] 69.2
M. Ledmi Introduction à la fouille de données
 Introduction en R
Démarrer R
Arbres de décision
Syntaxe et manipulation de données
Règles d’association
Structures de contrôle et Fonctions
Clustering

Tableaux-Vecteurs

Il est aussi possible d’accéder à l’ensemble des poids répondant à une

condition, par exemple l’ensemble des poids supérieurs à 70.0 : >
poids[poids > 70.0]
[1] 75.0 75.4 87.3 70.5 76.4 81.6

Enfin, la fonction length() permet de récupérer le nombre d’éléments

d’un tableau :
> length(poids)
[1] 8
> length(poids[poids > 70.0])
[1] 6

M. Ledmi Introduction à la fouille de données

 Introduction en R
Démarrer R
Arbres de décision
Syntaxe et manipulation de données
Règles d’association
Structures de contrôle et Fonctions
Clustering

Tableaux-Vecteurs

Il est possible de créer un vecteur contenant une suite de nombres entiers

avec la fonction seq :
> seq(1, 10)
[1] 1 2 3 4 5 6 7 8 9 10
> seq(1, 10, by = 0.5)
[1] 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0 6.5 7.0
[14] 7.5 8.0 8.5 9.0 9.5 10.0

M. Ledmi Introduction à la fouille de données

 Introduction en R
Démarrer R
Arbres de décision
Syntaxe et manipulation de données
Règles d’association
Structures de contrôle et Fonctions
Clustering

Tableaux-Matrices
Une matrice est un tableau à deux dimensions, toutes les cases doivent
contenir des données du même type.
Une matrice est créée à partir d’un vecteur contenant les valeurs, et d’un
nombre de ligne (nr, pour Number of Row) et de colonne (nc, pour
Number of Column) :
> ma_matrice = matrix(c(1.5, 2.1, 3.2, 1.6, 1.4,
1.5),nr=3, nc=2)
> ma_matrice
[,1] [,2]
[1,] 1.5 1.6
[2,] 2.1 1.4
[3,] 3.2 1.5

M. Ledmi Introduction à la fouille de données

 Introduction en R
Démarrer R
Arbres de décision
Syntaxe et manipulation de données
Règles d’association
Structures de contrôle et Fonctions
Clustering

Tableaux-Matrices

Les éléments de la matrice peuvent être accédé en donnant entre crochets

le numéro de la ligne puis celui de la colonne :
> ma_matrice[1, 1]
[1] 1.5
Il est aussi possible de récupérer une ligne ou une colonne entière, en
omettant le numéro correspondant :
> ma_matrice[1,]
[1] 1.5 1.6

M. Ledmi Introduction à la fouille de données

 Introduction en R
Démarrer R
Arbres de décision
Syntaxe et manipulation de données
Règles d’association
Structures de contrôle et Fonctions
Clustering

Tableaux-Liste,Data frames

Une liste est un tableau à une dimension, qui peut contenir des données de
différents types (contrairement au vecteur).
> ma_liste = list("JB", 28)
Tableaux de données (data frame)
Un tableau de donnée est un tableau où chaque colonne correspond à un
attribut différents (âge, taille, poids par exemple) et chaque ligne à un
individu différent.
Il est possible de créer des tableaux de données dans R, cependant il est
beaucoup plus facile de les charger à partir d’un fichier. On utilise pour
cela la fonction read.table().

M. Ledmi Introduction à la fouille de données

 Introduction en R
Démarrer R
Arbres de décision
Syntaxe et manipulation de données
Règles d’association
Structures de contrôle et Fonctions
Clustering

Tableaux-Data frames

Voici le fichier taille_poids.csv :

nom,taille,poids
Ngo bo,1.70,64.0
Bo bo,1.80,63.0
M. X,1.67,70.5
M. Y,1.69,95.0
M. Z,1.75,NA
Ce fichier peut être chargé ainsi dans R :
t = read.table("taille_poids.csv", sep=",", header=TRUE)

M. Ledmi Introduction à la fouille de données

 Introduction en R
Démarrer R
Arbres de décision
Syntaxe et manipulation de données
Règles d’association
Structures de contrôle et Fonctions
Clustering

Tableaux-Data frames
Les noms des colonnes sont disponibles via la fonction names() :
> names(t)
[1] "nom" "taille" "poids"

Comme pour les matrices, il est possible d’accéder aux cases, lignes et
colonnes d’un tableau. Les noms des colonnes peuvent être utilisés à la
place de leurs index :
> t[1, 2] # taille du premier individu
[1] 1.7
> t[1, "taille"] # Pareil
[1] 1.7
> t[1,] # Première ligne
nom taille poids
1 NgoBaoCho 1.7 64
M. Ledmi Introduction à la fouille de données
 Introduction en R
Démarrer R
Arbres de décision
Syntaxe et manipulation de données
Règles d’association
Structures de contrôle et Fonctions
Clustering

Tableaux-Data frames
> t[,"taille"] # Colonne taille
[1] 1.70 1.80 1.67 1.69 1.75
> t$taille # Notation raccourci pour la colonne taille
[1] 1.70 1.80 1.67 1.69 1.75

Il est aussi possible d’indexer avec une condition : par exemple, pour
obtenir un tableau avec seulement les individus dont la taille est
supérieure à 1m70 (ne pas oublier la virgule, qui sert à indiquer que l’on
veut récupérer toutes les colonnes !) :
> t[t$taille > 1.7,]
nom taille poids
2 NgoBaoCho 1.80 63
5 M. Z 1.75 NA
M. Ledmi Introduction à la fouille de données
 Introduction en R
Démarrer R
Arbres de décision
Syntaxe et manipulation de données
Règles d’association
Structures de contrôle et Fonctions
Clustering

Opérateur et calcul
R permet de réaliser la plupart des opérations courantes à l’aide des
opérateurs suivants : + (addition), - (soustraction), * (multiplication), /
(division), ˆ(puissance).
> 2 * 3 + 1
[1] 7

Les opérations sont réalisées sur chaque élément des tableaux. Par
exemple, pour calculer l’Indice de Masse Corporelle (IMC) sur chaque
individu du tableau de donnée chargé précédemment, en appliquant la
poid
formule IM C = taille 2 :

> t$poids / (t$tailleˆ2)

[1] 22.14533 19.44444 25.27878 33.26214 NA
M. Ledmi Introduction à la fouille de données
 Introduction en R
Démarrer R
Arbres de décision
Syntaxe et manipulation de données
Règles d’association
Structures de contrôle et Fonctions
Clustering

Opérateur et calcul

Il est possible d’ajouter une quatrième colonne avec l’IMC à notre tableau
de la manière suivante : > t$IMC = t$poids / (t$tailleˆ2)
> t
nom taille poids IMC
1 NgoBaocho 1.70 64.0 22.14533
2 NgoBaoCho 1.80 63.0 19.44444
3 M. X 1.67 70.5 25.27878
4 M. Y 1.69 95.0 33.26214
5 M. Z 1.75 NA NA

M. Ledmi Introduction à la fouille de données

 Introduction en R
Démarrer R
Arbres de décision
Syntaxe et manipulation de données
Règles d’association
Structures de contrôle et Fonctions
Clustering

Comparaison

Les comparaisons se font avec les opérateurs <, >, <= (inférieur ou égal)
, >= (suppérieur ou égal), == (égal), != (différent de). Ils retournent
une (ou plusieurs) valeur(s) booléenne(s).
> 1 < 3
[1] TRUE
> t$IMC > 25
[1] FALSE FALSE TRUE TRUE NA

Il est possible de combiner plusieurs comparaisons avec des & (et) ou des
|(ou)

M. Ledmi Introduction à la fouille de données

 Introduction en R
Démarrer R
Arbres de décision
Syntaxe et manipulation de données
Règles d’association
Structures de contrôle et Fonctions
Clustering

Fonctions
R définit un grand nombre de fonctions ; nous en avons déjà vu quelques
unes. La fonction help() permet d’obtenir de l’aide sur une fonction :
>help(mean)
Voici une liste des principales fonctions :
summary(tableau) affiche un résumé du tableau
length(vecteur) retourne le nombre de case d’un vecteur
ncol(tableau) retourne le nombre de colonne d’un tableau
nrow(tableau) retourne le nombre de ligne d’un tableau
q() quitte R
min(vecteur) retourne la plus petite valeur d’un vecteur
max(vecteur) retourne la plus grande valeur d’un vecteur
sort(vecteur) retourne une copie d’un vecteur après l’avoir trié
M. Ledmi Introduction à la fouille de données
 Introduction en R
Démarrer R
Arbres de décision
Syntaxe et manipulation de données
Règles d’association
Structures de contrôle et Fonctions
Clustering

Fonctions

mean(vecteur) calcule la moyenne

median(vecteur) calcule la médianne
var(vecteur) calcule la variance
sd(vecteur) calcule la déviation standard
sqrt(nombre) retourne la racine carré d’un nombre
sum(vecteur) retourne la somme de toutes les valeurs du vecteur
round(flottant) arrondit un nombre
Calculer la moyenne des poids ?

M. Ledmi Introduction à la fouille de données

 Introduction en R
Démarrer R
Arbres de décision
Syntaxe et manipulation de données
Règles d’association
Structures de contrôle et Fonctions
Clustering

Structures de contrôle

Structures de contrôle : commandes qui contrôlent l’ordre dans lequel les

différentes instructions d’un programme informatique sont exécutées.
Alternatives (énoncés conditionnels) : if ... else,
Boucles (énoncés itératifs) : for, while, etc.

M. Ledmi Introduction à la fouille de données

 Introduction en R
Démarrer R
Arbres de décision
Syntaxe et manipulation de données
Règles d’association
Structures de contrôle et Fonctions
Clustering

Structures de contrôle
Les alternatives ont pour but d’exécuter des instructions seulement si une
certaine condition est satisfaite.

Écriture générale
if (condition) {
instructions
} else {
instructions
}

Exemple
if (x>0) y=x*log(x) else y=0
M. Ledmi Introduction à la fouille de données
 Introduction en R
Démarrer R
Arbres de décision
Syntaxe et manipulation de données
Règles d’association
Structures de contrôle et Fonctions
Clustering

Structures de contrôle
Les boucles ont pour but de répéter des instructions à plusieurs reprises.
Écriture générale
for (i in ensemble ) {
instructions
}

Exemple
for (i in 1:10 ) {
print(i)
}

M. Ledmi Introduction à la fouille de données

 Introduction en R
Démarrer R
Arbres de décision
Syntaxe et manipulation de données
Règles d’association
Structures de contrôle et Fonctions
Clustering

Structures de contrôle
Les boucles ont pour but de répéter des instructions à plusieurs reprises.
Écriture générale
while (condition ) {
instructions
}

Exemple
while (i <11 ) {
print(i)
i=i+1
}
M. Ledmi Introduction à la fouille de données
 Introduction en R
Démarrer R
Arbres de décision
Syntaxe et manipulation de données
Règles d’association
Structures de contrôle et Fonctions
Clustering

Structures de contrôle
Les boucles ont pour but de répéter des instructions à plusieurs reprises.
Écriture générale
repeat {
instructions
if (condition) break
}

Exemple
repeat { print(i)
if (i<10) { i=i+1} else {break}
}
M. Ledmi Introduction à la fouille de données
 Introduction en R
Démarrer R
Arbres de décision
Syntaxe et manipulation de données
Règles d’association
Structures de contrôle et Fonctions
Clustering

Fonctions
Écriture générale
Pour créer une fonction en R, on utilise la fonction nommée function
en respectant la syntaxe suivante :
nomFonction <- function(arg1, arg2, arg3) {
# corps de la fonction }

Les accolades { et } définissent le début et la fin de la fonction.

La dernière instruction contient le nom de l’objet retourné par la
fonction.
Exécuter la fonction : myname(...)
On peut donner des valeurs par défaut aux paramètre
M. Ledmi Introduction à la fouille de données
 Introduction en R
Démarrer R
Arbres de décision
Syntaxe et manipulation de données
Règles d’association
Structures de contrôle et Fonctions
Clustering

Fonctions

Exemple
exemple=function(n=10)
{ sample=runif(n)
m = mean(sample) ; v =var(sample)
list(serie=sample,moyenne=m, variance=v)
}
Les trois commandes suivantes :
exemple(10) ou exemple(n=10) ou exemple() retournent le même
résultat.

M. Ledmi Introduction à la fouille de données

 Introduction en R
Arbres de décision
Règles d’association
Clustering

Vous êtes ici

1 Introduction en R

2 Arbres de décision

3 Règles d’association

4 Clustering

M. Ledmi Introduction à la fouille de données

 Introduction en R
Arbres de décision
Règles d’association
Clustering

Arbre de décision
Installer le package rpart : install.packages("rpart", dep=TRUE)
Charger le package rpart : library(rpart)
Charger les données kyphosis : data(kyphosis)
La variable Kyphosis indique si l’enfant a subi une déformation de la colonne
vertébrale après une opération chirurgicale ;
La variable Age donne l’âge de l’enfant (en mois) ;
La variable Number indique le nombre de vertèbres concernées par l’opération ;
La variable Start indique le numéro de la première vertèbre opérée.

M. Ledmi Introduction à la fouille de données

 Introduction en R
Arbres de décision
Règles d’association
Clustering

Arbre de décision
Installer le package rpart : install.packages("rpart", dep=TRUE)
Charger le package rpart : library(rpart)
Charger les données kyphosis : data(kyphosis)
La variable Kyphosis indique si l’enfant a subi une déformation de la colonne
vertébrale après une opération chirurgicale ;
La variable Age donne l’âge de l’enfant (en mois) ;
La variable Number indique le nombre de vertèbres concernées par l’opération ;
La variable Start indique le numéro de la première vertèbre opérée.

M. Ledmi Introduction à la fouille de données

 Introduction en R
Arbres de décision
Règles d’association
Clustering

Arbre de décision
Installer le package rpart : install.packages("rpart", dep=TRUE)
Charger le package rpart : library(rpart)
Charger les données kyphosis : data(kyphosis)
La variable Kyphosis indique si l’enfant a subi une déformation de la colonne
vertébrale après une opération chirurgicale ;
La variable Age donne l’âge de l’enfant (en mois) ;
La variable Number indique le nombre de vertèbres concernées par l’opération ;
La variable Start indique le numéro de la première vertèbre opérée.

M. Ledmi Introduction à la fouille de données

 Introduction en R
Arbres de décision
Règles d’association
Clustering

Arbre de décision
Installer le package rpart : install.packages("rpart", dep=TRUE)
Charger le package rpart : library(rpart)
Charger les données kyphosis : data(kyphosis)
La variable Kyphosis indique si l’enfant a subi une déformation de la colonne
vertébrale après une opération chirurgicale ;
La variable Age donne l’âge de l’enfant (en mois) ;
La variable Number indique le nombre de vertèbres concernées par l’opération ;
La variable Start indique le numéro de la première vertèbre opérée.

M. Ledmi Introduction à la fouille de données

 Introduction en R
Arbres de décision
Règles d’association
Clustering

Arbre de décision
Installer le package rpart : install.packages("rpart", dep=TRUE)
Charger le package rpart : library(rpart)
Charger les données kyphosis : data(kyphosis)
La variable Kyphosis indique si l’enfant a subi une déformation de la colonne
vertébrale après une opération chirurgicale ;
La variable Age donne l’âge de l’enfant (en mois) ;
La variable Number indique le nombre de vertèbres concernées par l’opération ;
La variable Start indique le numéro de la première vertèbre opérée.

M. Ledmi Introduction à la fouille de données

 Introduction en R
Arbres de décision
Règles d’association
Clustering

Arbre de décision
Installer le package rpart : install.packages("rpart", dep=TRUE)
Charger le package rpart : library(rpart)
Charger les données kyphosis : data(kyphosis)
La variable Kyphosis indique si l’enfant a subi une déformation de la colonne
vertébrale après une opération chirurgicale ;
La variable Age donne l’âge de l’enfant (en mois) ;
La variable Number indique le nombre de vertèbres concernées par l’opération ;
La variable Start indique le numéro de la première vertèbre opérée.

M. Ledmi Introduction à la fouille de données

 Introduction en R
Arbres de décision
Règles d’association
Clustering

Arbre de décision
Installer le package rpart : install.packages("rpart", dep=TRUE)
Charger le package rpart : library(rpart)
Charger les données kyphosis : data(kyphosis)
La variable Kyphosis indique si l’enfant a subi une déformation de la colonne
vertébrale après une opération chirurgicale ;
La variable Age donne l’âge de l’enfant (en mois) ;
La variable Number indique le nombre de vertèbres concernées par l’opération ;
La variable Start indique le numéro de la première vertèbre opérée.

Exemple
On peut se demander si l’âge de l’enfant, le nombre de vertèbres
opérées et la position des vertèbres opérées permettent d’évaluer le
risque de survenue d’une cyphose à l’issue de l’opération.
M. Ledmi Introduction à la fouille de données
 Introduction en R
Arbres de décision
Règles d’association
Clustering

Arbre de décision : Constrcution

On va construire un modèle d’arbre de décision grâce à la commande :
arbre = rpart(Kyphosis ∼ ., method="class", minsplit=20,
xval=81, data=kyphosis)
arbre est le nom choisi pour l’objet R qui contiendra les résultats ;
Kyphosis ∼ : La tilde signifie « est à expliquer en fonction de » : on
met donc à gauche de la tilde la variable que l’on souhaite expliquer
(ici, Kyphosis) et à droite les variables explicatives séparées par des + ;
method = "class" : optionnel, mais il permet de rappeler à R que la
variable à expliquer est qualitative ;
minsplit=20 signifie qu’il faut au moins 20 individus dans un nœud
pour tenter un split ;
l’argument xval permet de régler la stratégie de validation croisée ;
L’argument data=kyphosis indique le nom du jeu de données utilisé.
M. Ledmi Introduction à la fouille de données
 Introduction en R
Arbres de décision
Règles d’association
Clustering

Arbre de décision : Constrcution

On va construire un modèle d’arbre de décision grâce à la commande :
arbre = rpart(Kyphosis ∼ ., method="class", minsplit=20,
xval=81, data=kyphosis)
arbre est le nom choisi pour l’objet R qui contiendra les résultats ;
Kyphosis ∼ : La tilde signifie « est à expliquer en fonction de » : on
met donc à gauche de la tilde la variable que l’on souhaite expliquer
(ici, Kyphosis) et à droite les variables explicatives séparées par des + ;
method = "class" : optionnel, mais il permet de rappeler à R que la
variable à expliquer est qualitative ;
minsplit=20 signifie qu’il faut au moins 20 individus dans un nœud
pour tenter un split ;
l’argument xval permet de régler la stratégie de validation croisée ;
L’argument data=kyphosis indique le nom du jeu de données utilisé.
M. Ledmi Introduction à la fouille de données
 Introduction en R
Arbres de décision
Règles d’association
Clustering

Arbre de décision : Constrcution

On va construire un modèle d’arbre de décision grâce à la commande :
arbre = rpart(Kyphosis ∼ ., method="class", minsplit=20,
xval=81, data=kyphosis)
arbre est le nom choisi pour l’objet R qui contiendra les résultats ;
Kyphosis ∼ : La tilde signifie « est à expliquer en fonction de » : on
met donc à gauche de la tilde la variable que l’on souhaite expliquer
(ici, Kyphosis) et à droite les variables explicatives séparées par des + ;
method = "class" : optionnel, mais il permet de rappeler à R que la
variable à expliquer est qualitative ;
minsplit=20 signifie qu’il faut au moins 20 individus dans un nœud
pour tenter un split ;
l’argument xval permet de régler la stratégie de validation croisée ;
L’argument data=kyphosis indique le nom du jeu de données utilisé.
M. Ledmi Introduction à la fouille de données
 Introduction en R
Arbres de décision
Règles d’association
Clustering

Arbre de décision : Constrcution

On va construire un modèle d’arbre de décision grâce à la commande :
arbre = rpart(Kyphosis ∼ ., method="class", minsplit=20,
xval=81, data=kyphosis)
arbre est le nom choisi pour l’objet R qui contiendra les résultats ;
Kyphosis ∼ : La tilde signifie « est à expliquer en fonction de » : on
met donc à gauche de la tilde la variable que l’on souhaite expliquer
(ici, Kyphosis) et à droite les variables explicatives séparées par des + ;
method = "class" : optionnel, mais il permet de rappeler à R que la
variable à expliquer est qualitative ;
minsplit=20 signifie qu’il faut au moins 20 individus dans un nœud
pour tenter un split ;
l’argument xval permet de régler la stratégie de validation croisée ;
L’argument data=kyphosis indique le nom du jeu de données utilisé.
M. Ledmi Introduction à la fouille de données
 Introduction en R
Arbres de décision
Règles d’association
Clustering

Arbre de décision : Constrcution

On va construire un modèle d’arbre de décision grâce à la commande :
arbre = rpart(Kyphosis ∼ ., method="class", minsplit=20,
xval=81, data=kyphosis)
arbre est le nom choisi pour l’objet R qui contiendra les résultats ;
Kyphosis ∼ : La tilde signifie « est à expliquer en fonction de » : on
met donc à gauche de la tilde la variable que l’on souhaite expliquer
(ici, Kyphosis) et à droite les variables explicatives séparées par des + ;
method = "class" : optionnel, mais il permet de rappeler à R que la
variable à expliquer est qualitative ;
minsplit=20 signifie qu’il faut au moins 20 individus dans un nœud
pour tenter un split ;
l’argument xval permet de régler la stratégie de validation croisée ;
L’argument data=kyphosis indique le nom du jeu de données utilisé.
M. Ledmi Introduction à la fouille de données
 Introduction en R
Arbres de décision
Règles d’association
Clustering

Arbre de décision : Constrcution

On va construire un modèle d’arbre de décision grâce à la commande :
arbre = rpart(Kyphosis ∼ ., method="class", minsplit=20,
xval=81, data=kyphosis)
arbre est le nom choisi pour l’objet R qui contiendra les résultats ;
Kyphosis ∼ : La tilde signifie « est à expliquer en fonction de » : on
met donc à gauche de la tilde la variable que l’on souhaite expliquer
(ici, Kyphosis) et à droite les variables explicatives séparées par des + ;
method = "class" : optionnel, mais il permet de rappeler à R que la
variable à expliquer est qualitative ;
minsplit=20 signifie qu’il faut au moins 20 individus dans un nœud
pour tenter un split ;
l’argument xval permet de régler la stratégie de validation croisée ;
L’argument data=kyphosis indique le nom du jeu de données utilisé.
M. Ledmi Introduction à la fouille de données
 Introduction en R
Arbres de décision
Règles d’association
Clustering

Arbre de décision : Affichage

Les commandes suivantes permettent d’afficher l’arbre de décision sous

forme graphique :
> plot(arbre, uniform=TRUE, margin=0.1, main="Arbre de
décision")
> text(arbre, fancy=TRUE, use.n=TRUE, pretty=0, all=TRUE)

M. Ledmi Introduction à la fouille de données

 Introduction en R
Arbres de décision
Règles d’association
Clustering

Arbre de décision : Affichage

Les commandes suivantes permettent d’afficher l’arbre de décision sous

forme graphique :
> plot(arbre, uniform=TRUE, margin=0.1, main="Arbre de
décision")
> text(arbre, fancy=TRUE, use.n=TRUE, pretty=0, all=TRUE)
On peut souhaiter élaguer l’arbre de décision. Pour cela, il est conseillé
d’exécuter la commande plotcp(arbre) pour déterminer la taille optimale
(ou printcp(arbre)).
> arbre2 = rpart(Kyphosis ∼ ., cp=0.059, data=kyphosis)

M. Ledmi Introduction à la fouille de données

 Introduction en R
Arbres de décision
Règles d’association
Clustering

Arbre de décision : Affichage

Les commandes suivantes permettent d’afficher l’arbre de décision sous

forme graphique :
> plot(arbre, uniform=TRUE, margin=0.1, main="Arbre de
décision")
> text(arbre, fancy=TRUE, use.n=TRUE, pretty=0, all=TRUE)
On peut souhaiter élaguer l’arbre de décision. Pour cela, il est conseillé
d’exécuter la commande plotcp(arbre) pour déterminer la taille optimale
(ou printcp(arbre)).
> arbre2 = rpart(Kyphosis ∼ ., cp=0.059, data=kyphosis)

M. Ledmi Introduction à la fouille de données

 Introduction en R
Arbres de décision
Règles d’association
Clustering

Arbre de décision : Prédiction

On peut être conduit à appliquer ultérieurement ces règles sur de nouveaux
enfants qui vont être opérés, de manière à estimer avant l’opération leur
risque de développer une cyphose. On construit arbitrairement un tableau
de données correspondant à trois enfants sur le point d’être opérés :
> inco = data.frame(c(60,30,90), c(1,2,3), c(5,12,16))
> colnames(inco) = c("Age", "Number", "Start")

M. Ledmi Introduction à la fouille de données

 Introduction en R
Arbres de décision
Règles d’association
Clustering

Arbre de décision : Prédiction

On peut être conduit à appliquer ultérieurement ces règles sur de nouveaux
enfants qui vont être opérés, de manière à estimer avant l’opération leur
risque de développer une cyphose. On construit arbitrairement un tableau
de données correspondant à trois enfants sur le point d’être opérés :
> inco = data.frame(c(60,30,90), c(1,2,3), c(5,12,16))
> colnames(inco) = c("Age", "Number", "Start")
La prédiction de la variable Kyphosis pour ces trois individus s’opère alors
par la commande predict (dont le premier argument est le nom du
modèle utilisé, et le second, newdata, est le nom du data frame contenant
les nouveaux individus) :
> predict(arbre2, newdata=inco, type="class")

M. Ledmi Introduction à la fouille de données

 Introduction en R
Arbres de décision
Règles d’association
Clustering

Arbre de décision : Prédiction

On peut être conduit à appliquer ultérieurement ces règles sur de nouveaux
enfants qui vont être opérés, de manière à estimer avant l’opération leur
risque de développer une cyphose. On construit arbitrairement un tableau
de données correspondant à trois enfants sur le point d’être opérés :
> inco = data.frame(c(60,30,90), c(1,2,3), c(5,12,16))
> colnames(inco) = c("Age", "Number", "Start")
La prédiction de la variable Kyphosis pour ces trois individus s’opère alors
par la commande predict (dont le premier argument est le nom du
modèle utilisé, et le second, newdata, est le nom du data frame contenant
les nouveaux individus) :
> predict(arbre2, newdata=inco, type="class")

M. Ledmi Introduction à la fouille de données

 Introduction en R
Arbres de décision
Règles d’association
Clustering

Vous êtes ici

1 Introduction en R

2 Arbres de décision

3 Règles d’association

4 Clustering

M. Ledmi Introduction à la fouille de données

 Introduction en R
Arbres de décision
Règles d’association
Clustering

Package arules

Nous allons utiliser une implantation en R de l’algorithme Apriori

disponible dans le package arules de R.
Installer le package arules via la commande :
install.packages("arules", dep=TRUE)
Charger le package arules : library(arules)
Il peut être nécessaire d’installer aussi le package Matrix.

M. Ledmi Introduction à la fouille de données

 Introduction en R
Arbres de décision
Règles d’association
Clustering

Package arules

Nous allons utiliser une implantation en R de l’algorithme Apriori

disponible dans le package arules de R.
Installer le package arules via la commande :
install.packages("arules", dep=TRUE)
Charger le package arules : library(arules)
Il peut être nécessaire d’installer aussi le package Matrix.

M. Ledmi Introduction à la fouille de données

 Introduction en R
Arbres de décision
Règles d’association
Clustering

Jeu de transactions
Nous allons utiliser une implantation en R de l’algorithme Apriori
disponible dans le package arules de R. Nous allons travailler sur le jeu de
transaction Adult :
data("Adult")
inspect(Adult[1:2])
Combien y a-t-il de transactions ?
Combien y a-t-il d’items ?
Quel est la longueur des transactions ?
Pourquoi certaines transactions ont-elles moins de 13 items ?

M. Ledmi Introduction à la fouille de données

 Introduction en R
Arbres de décision
Règles d’association
Clustering

Jeu de transactions
Nous allons utiliser une implantation en R de l’algorithme Apriori
disponible dans le package arules de R. Nous allons travailler sur le jeu de
transaction Adult :
data("Adult")
inspect(Adult[1:2])
Combien y a-t-il de transactions ?
Combien y a-t-il d’items ?
Quel est la longueur des transactions ?
Pourquoi certaines transactions ont-elles moins de 13 items ?

M. Ledmi Introduction à la fouille de données

 Introduction en R
Arbres de décision
Règles d’association
Clustering

Jeu de transactions
Nous allons utiliser une implantation en R de l’algorithme Apriori
disponible dans le package arules de R. Nous allons travailler sur le jeu de
transaction Adult :
data("Adult")
inspect(Adult[1:2])
Combien y a-t-il de transactions ?
Combien y a-t-il d’items ?
Quel est la longueur des transactions ?
Pourquoi certaines transactions ont-elles moins de 13 items ?

M. Ledmi Introduction à la fouille de données

 Introduction en R
Arbres de décision
Règles d’association
Clustering

Jeu de transactions
Nous allons utiliser une implantation en R de l’algorithme Apriori
disponible dans le package arules de R. Nous allons travailler sur le jeu de
transaction Adult :
data("Adult")
inspect(Adult[1:2])
Combien y a-t-il de transactions ?
Combien y a-t-il d’items ?
Quel est la longueur des transactions ?
Pourquoi certaines transactions ont-elles moins de 13 items ?

M. Ledmi Introduction à la fouille de données

 Introduction en R
Arbres de décision
Règles d’association
Clustering

Jeu de transactions
Nous allons utiliser une implantation en R de l’algorithme Apriori
disponible dans le package arules de R. Nous allons travailler sur le jeu de
transaction Adult :
data("Adult")
inspect(Adult[1:2])
Combien y a-t-il de transactions ?
Combien y a-t-il d’items ?
Quel est la longueur des transactions ?
Pourquoi certaines transactions ont-elles moins de 13 items ?
Regardez l’aide sur les fonctions itemFrequency() et
itemFrequencyPlot().
Affichez le graphique des items de support supérieur à 0.2.
Affichez le graphique des 10 items les plus fréquents.
M. Ledmi Introduction à la fouille de données
 Introduction en R
Arbres de décision
Règles d’association
Clustering

Jeu de transactions
Nous allons utiliser une implantation en R de l’algorithme Apriori
disponible dans le package arules de R. Nous allons travailler sur le jeu de
transaction Adult :
data("Adult")
inspect(Adult[1:2])
Combien y a-t-il de transactions ?
Combien y a-t-il d’items ?
Quel est la longueur des transactions ?
Pourquoi certaines transactions ont-elles moins de 13 items ?
Regardez l’aide sur les fonctions itemFrequency() et
itemFrequencyPlot().
Affichez le graphique des items de support supérieur à 0.2.
Affichez le graphique des 10 items les plus fréquents.
M. Ledmi Introduction à la fouille de données
 Introduction en R
Arbres de décision
Règles d’association
Clustering

La fonction apriori()
Regardez l’aide sur cette fonction apriori().
Par exemple pour obtenir les règles ayant un support d’au moins 1%
et une confiance supérieure à 60%, il suffit de lancer la commande :
rules<-apriori(Adult,parameter=list(support=0.01,confidence=0.6)
Comprenez les messages affichés lors de l’exécution de l’algorithme.
Vous pouvez utiliser les fonctions summary() et inspect() pour
répondre aux questions suivantes :
Combien de règles ?
Pour combien de transactions ?
Affichez les dix premières règles obtenues.
Diminuez la valeur de la confiance (par exemple 0.1) et du support
(par exemple 0.001, 0.0001, 0.00001) et regardez l’évolution du nombre
de règles.
M. Ledmi Introduction à la fouille de données
 Introduction en R
Arbres de décision
Règles d’association
Clustering

La fonction apriori()
Regardez l’aide sur cette fonction apriori().
Par exemple pour obtenir les règles ayant un support d’au moins 1%
et une confiance supérieure à 60%, il suffit de lancer la commande :
rules<-apriori(Adult,parameter=list(support=0.01,confidence=0.6)
Comprenez les messages affichés lors de l’exécution de l’algorithme.
Vous pouvez utiliser les fonctions summary() et inspect() pour
répondre aux questions suivantes :
Combien de règles ?
Pour combien de transactions ?
Affichez les dix premières règles obtenues.
Diminuez la valeur de la confiance (par exemple 0.1) et du support
(par exemple 0.001, 0.0001, 0.00001) et regardez l’évolution du nombre
de règles.
M. Ledmi Introduction à la fouille de données
 Introduction en R
Arbres de décision
Règles d’association
Clustering

La fonction apriori()
Regardez l’aide sur cette fonction apriori().
Par exemple pour obtenir les règles ayant un support d’au moins 1%
et une confiance supérieure à 60%, il suffit de lancer la commande :
rules<-apriori(Adult,parameter=list(support=0.01,confidence=0.6)
Comprenez les messages affichés lors de l’exécution de l’algorithme.
Vous pouvez utiliser les fonctions summary() et inspect() pour
répondre aux questions suivantes :
Combien de règles ?
Pour combien de transactions ?
Affichez les dix premières règles obtenues.
Diminuez la valeur de la confiance (par exemple 0.1) et du support
(par exemple 0.001, 0.0001, 0.00001) et regardez l’évolution du nombre
de règles.
M. Ledmi Introduction à la fouille de données
 Introduction en R
Arbres de décision
Règles d’association
Clustering

La fonction apriori()
Regardez l’aide sur cette fonction apriori().
Par exemple pour obtenir les règles ayant un support d’au moins 1%
et une confiance supérieure à 60%, il suffit de lancer la commande :
rules<-apriori(Adult,parameter=list(support=0.01,confidence=0.6)
Comprenez les messages affichés lors de l’exécution de l’algorithme.
Vous pouvez utiliser les fonctions summary() et inspect() pour
répondre aux questions suivantes :
Combien de règles ?
Pour combien de transactions ?
Affichez les dix premières règles obtenues.
Diminuez la valeur de la confiance (par exemple 0.1) et du support
(par exemple 0.001, 0.0001, 0.00001) et regardez l’évolution du nombre
de règles.
M. Ledmi Introduction à la fouille de données
 Introduction en R
Arbres de décision
Règles d’association
Clustering

La fonction apriori()
Regardez l’aide sur cette fonction apriori().
Par exemple pour obtenir les règles ayant un support d’au moins 1%
et une confiance supérieure à 60%, il suffit de lancer la commande :
rules<-apriori(Adult,parameter=list(support=0.01,confidence=0.6)
Comprenez les messages affichés lors de l’exécution de l’algorithme.
Vous pouvez utiliser les fonctions summary() et inspect() pour
répondre aux questions suivantes :
Combien de règles ?
Pour combien de transactions ?
Affichez les dix premières règles obtenues.
Diminuez la valeur de la confiance (par exemple 0.1) et du support
(par exemple 0.001, 0.0001, 0.00001) et regardez l’évolution du nombre
de règles.
M. Ledmi Introduction à la fouille de données
 Introduction en R
Arbres de décision
Règles d’association
Clustering

La fonction apriori()
Regardez l’aide sur cette fonction apriori().
Par exemple pour obtenir les règles ayant un support d’au moins 1%
et une confiance supérieure à 60%, il suffit de lancer la commande :
rules<-apriori(Adult,parameter=list(support=0.01,confidence=0.6)
Comprenez les messages affichés lors de l’exécution de l’algorithme.
Vous pouvez utiliser les fonctions summary() et inspect() pour
répondre aux questions suivantes :
Combien de règles ?
Pour combien de transactions ?
Affichez les dix premières règles obtenues.
Diminuez la valeur de la confiance (par exemple 0.1) et du support
(par exemple 0.001, 0.0001, 0.00001) et regardez l’évolution du nombre
de règles.
M. Ledmi Introduction à la fouille de données
 Introduction en R
Arbres de décision
Règles d’association
Clustering

La fonction apriori()
Regardez l’aide sur cette fonction apriori().
Par exemple pour obtenir les règles ayant un support d’au moins 1%
et une confiance supérieure à 60%, il suffit de lancer la commande :
rules<-apriori(Adult,parameter=list(support=0.01,confidence=0.6)
Comprenez les messages affichés lors de l’exécution de l’algorithme.
Vous pouvez utiliser les fonctions summary() et inspect() pour
répondre aux questions suivantes :
Combien de règles ?
Pour combien de transactions ?
Affichez les dix premières règles obtenues.
Diminuez la valeur de la confiance (par exemple 0.1) et du support
(par exemple 0.001, 0.0001, 0.00001) et regardez l’évolution du nombre
de règles.
M. Ledmi Introduction à la fouille de données
 Introduction en R
Arbres de décision
Règles d’association
Clustering

Vous êtes ici

1 Introduction en R

2 Arbres de décision

3 Règles d’association

4 Clustering

M. Ledmi Introduction à la fouille de données

 Introduction en R
Arbres de décision
Règles d’association
Clustering

Package cluster

Nous allons utiliser une implantation en R de l’algorithme k-moyennes

disponible dans le package cluster de R.
Installer le package cluster via la commande :
install.packages("cluster", dep=TRUE)
Charger le package cluster : library(cluster)
Regardez l’aide sur cette fonction kmeans(). Que fournit cette
commande ?
Visualisez les données clustering fournies avec ce TP, combien de
clusters pensez-vous observer ?
Visualiser le résultat de la segmentation avec k=2, à l’aide de couleurs.

M. Ledmi Introduction à la fouille de données

 Introduction en R
Arbres de décision
Règles d’association
Clustering

Package cluster

Nous allons utiliser une implantation en R de l’algorithme k-moyennes

disponible dans le package cluster de R.
Installer le package cluster via la commande :
install.packages("cluster", dep=TRUE)
Charger le package cluster : library(cluster)
Regardez l’aide sur cette fonction kmeans(). Que fournit cette
commande ?
Visualisez les données clustering fournies avec ce TP, combien de
clusters pensez-vous observer ?
Visualiser le résultat de la segmentation avec k=2, à l’aide de couleurs.

M. Ledmi Introduction à la fouille de données

 Introduction en R
Arbres de décision
Règles d’association
Clustering

Package cluster

Nous allons utiliser une implantation en R de l’algorithme k-moyennes

disponible dans le package cluster de R.
Installer le package cluster via la commande :
install.packages("cluster", dep=TRUE)
Charger le package cluster : library(cluster)
Regardez l’aide sur cette fonction kmeans(). Que fournit cette
commande ?
Visualisez les données clustering fournies avec ce TP, combien de
clusters pensez-vous observer ?
Visualiser le résultat de la segmentation avec k=2, à l’aide de couleurs.

M. Ledmi Introduction à la fouille de données

 Introduction en R
Arbres de décision
Règles d’association
Clustering

Package cluster

Nous allons utiliser une implantation en R de l’algorithme k-moyennes

disponible dans le package cluster de R.
Installer le package cluster via la commande :
install.packages("cluster", dep=TRUE)
Charger le package cluster : library(cluster)
Regardez l’aide sur cette fonction kmeans(). Que fournit cette
commande ?
Visualisez les données clustering fournies avec ce TP, combien de
clusters pensez-vous observer ?
Visualiser le résultat de la segmentation avec k=2, à l’aide de couleurs.

M. Ledmi Introduction à la fouille de données

 Introduction en R
Arbres de décision
Règles d’association
Clustering

Package cluster

Nous allons utiliser une implantation en R de l’algorithme k-moyennes

disponible dans le package cluster de R.
Installer le package cluster via la commande :
install.packages("cluster", dep=TRUE)
Charger le package cluster : library(cluster)
Regardez l’aide sur cette fonction kmeans(). Que fournit cette
commande ?
Visualisez les données clustering fournies avec ce TP, combien de
clusters pensez-vous observer ?
Visualiser le résultat de la segmentation avec k=2, à l’aide de couleurs.

M. Ledmi Introduction à la fouille de données

 Introduction en R
Arbres de décision
Règles d’association
Clustering

Trouver K optimal

On s’intéresse maintenant à trouver le nombre de groupes optimal. Pour

cela, on va essayer plusieurs valeurs de K qui semblent raisonnables.
Essayez toutes les valeurs entre 2 et 10.
Placez ces segmentations dans une liste.
Calculez l’inertie intraclasse de ces 9 segmentations.
Faites-en un graphe.
Quelle segmentation est la meilleure ?

M. Ledmi Introduction à la fouille de données

 Introduction en R
Arbres de décision
Règles d’association
Clustering

Trouver K optimal

On s’intéresse maintenant à trouver le nombre de groupes optimal. Pour

cela, on va essayer plusieurs valeurs de K qui semblent raisonnables.
Essayez toutes les valeurs entre 2 et 10.
Placez ces segmentations dans une liste.
Calculez l’inertie intraclasse de ces 9 segmentations.
Faites-en un graphe.
Quelle segmentation est la meilleure ?

M. Ledmi Introduction à la fouille de données

 Introduction en R
Arbres de décision
Règles d’association
Clustering

Trouver K optimal

On s’intéresse maintenant à trouver le nombre de groupes optimal. Pour

cela, on va essayer plusieurs valeurs de K qui semblent raisonnables.
Essayez toutes les valeurs entre 2 et 10.
Placez ces segmentations dans une liste.
Calculez l’inertie intraclasse de ces 9 segmentations.
Faites-en un graphe.
Quelle segmentation est la meilleure ?

M. Ledmi Introduction à la fouille de données

 Introduction en R
Arbres de décision
Règles d’association
Clustering

Trouver K optimal

On s’intéresse maintenant à trouver le nombre de groupes optimal. Pour

cela, on va essayer plusieurs valeurs de K qui semblent raisonnables.
Essayez toutes les valeurs entre 2 et 10.
Placez ces segmentations dans une liste.
Calculez l’inertie intraclasse de ces 9 segmentations.
Faites-en un graphe.
Quelle segmentation est la meilleure ?

M. Ledmi Introduction à la fouille de données

 Introduction en R
Arbres de décision
Règles d’association
Clustering

Trouver K optimal

On s’intéresse maintenant à trouver le nombre de groupes optimal. Pour

cela, on va essayer plusieurs valeurs de K qui semblent raisonnables.
Essayez toutes les valeurs entre 2 et 10.
Placez ces segmentations dans une liste.
Calculez l’inertie intraclasse de ces 9 segmentations.
Faites-en un graphe.
Quelle segmentation est la meilleure ?

M. Ledmi Introduction à la fouille de données