-
Notifications
You must be signed in to change notification settings - Fork 0
/
PW4bibilo.py
474 lines (353 loc) · 15.9 KB
/
PW4bibilo.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
# -*- coding: utf-8 -*-
"""
Created on Mon Dec 19 10:16:56 2022
@author: Lucie
"""
import numpy as np
import matplotlib.pyplot as plt
import tqdm
import pandas as pd
def esperance(Xi):
"""
fonction qui calcul un estimateur sans biais de l'esperence d'un vecteur Xi
:param Xi: un vecteur de taille (m,)
:return: l'esperence du vecteur Xi
"""
m = Xi.shape[0]
return np.sum(Xi) / m
def variance(Xi):
"""
fonction qui calcul un estimateur avec un biais asymptotique de la variance d'un vecteur Xi
:param Xi: un vecteur de taille (m,)
:return: la variance du vecteur Xi
"""
m = Xi.shape[0]
Xi_bar = esperance(Xi)
return np.sum((Xi - Xi_bar)**2) / (m - 1)
# PARTIE 2
def centre_red(R):
"""
fonction qui a partir une variable aleatoire R de loi differente, centre et reduit les Xi pour qu'ils soient plus
homogène a etudier
:param R: un vecteur aléatoire de taille (m, n)
:return Rcr: le vecteur aléatoire R modifié de facon que l'esperance de Xi soient 0 et leurs variance 1
"""
# on récupère les dimensions de R pour créer la matrice résultat Rcr de même dimension
m, n = R.shape
Rcr = np.zeros((m, n))
# pour chaque colonne de R on centre et réduit indépendamment les données car les Xi ne suivent pas les mêmes lois
for i in range(n):
Xi = R[:, i]
# on calcule l'espérence et la variance de chaque Xi
E = esperance(Xi)
var = variance(Xi)
# on "décale" les données de chaque colonnes indépendamment
Rcr[:, i] = (Xi - E) / np.sqrt(var)
# on retourne la matrice Rcr qui contient les données centrées et réduites
return Rcr
def approx(R, k):
"""
le but de la fonction est de decomposer en vecteur propre la matrice R suivant k direction que l'on doit déterminer,
apres avoir projeté R sur ces vecteurs la matrice résultante sera dans un EV de dimension plus faible donc
possiblement affichable sur un plan
:param R: le vecteur aléatoire, matrice de données de taille (m, n)
:param k: le nombre de dimension dans lequel on souhaite projeter R
:return proj: un matrice de taille (m, k)
"""
# on récupère les dimensions de la matrice R et on créer la matrice proj qui contiendra le résultat
m, n = R.shape
proj = np.zeros((m, k))
# on centre et réduit le vecteur aléatoire R pour que les composantes soient toutes homogènes
Rcr = centre_red(R)
# on fait la décomposition SVD de la matrice Rcr, le vecteur U de taille (m, n) et s de taille (n, 1) nous interesse
# U est une base othonormé de Rcr
# s contient les valeurs singulière / variance de Rcr trier par ordre décroissante d'importance
U, s, VT = np.linalg.svd(Rcr)
u = U[:, :k]
# on concerve dans proj uniquement les k-composantes les plus importante de la nouvelle base U (variances
# les plus élevés) : sigma**2 * uj
for j in range(k):
proj[:, j] = (s[j]**2) * u[:, j]
return proj
def correlationdirprinc(R, k):
"""
parameter R : tableau de données numérique de taille [m;n]
parameter k : entier inférieur à n
return Cor : matrice correlation de taille [k:n]
"""
m, n = R.shape
Cor = np.zeros((k, n))
Rcr = centre_red(R)
U, s, VT = np.linalg.svd(Rcr)
V = VT.T
v = V[:, :n]
Y = Rcr@v
for j in range(k):
Yk = Y[:, j]
for i in range(n):
Xi = Rcr[:, i]
Xi = Xi.reshape(m, 1)
Cor[j, i] = (Yk.T@Xi/(np.sqrt(variance(Yk))))
return Cor
def ACP2D(R, labelsligne, labelscolonne):
"""
parameter R : le tableau de données numériques
parameter labelsligne : noms des lignes (s’ils existent, si non on prendra un vecteur d’entier de 1 à m),
parameter labelscolonne : noms des colonnes (s’ils existent si non on prendra un vecteur d’entier de 1 à n),
return : le graphe qui représente les valeurs des variances σk² et le graphe qui représente le pourcentage de l’explication de la variance de chaque k−composante principal
"""
m, n = R.shape
Rcr = centre_red(R)
U, s, VT = np.linalg.svd(Rcr)
V = VT.T
v = V[:, :n]
Y = Rcr@v
Yi = []
for i in range(1, n+1):
Yi.append('Y{}'.format(i))
# Affichage des deux premiers graphqiues
fig1, (ax1, ax2) = plt.subplots(1, 2, figsize=(24, 9))
for i in range(n):
ax1.bar(Yi[i], variance(Y[:, i]), color='#77b5fe', edgecolor='k')
ax1.text(Yi[i], variance(Y[:, i]), round(variance(Y[:, i]), 2), horizontalalignment='center')
ax1.set_ylabel('Variance(Yk)')
ax1.set_xlabel('Composantes')
ax1.set_title('Variance des composantes principales')
ax2.pie(s**2, labels=Yi, autopct='%1.1f%%')
ax2.set_title('Participation à la variance totale')
# Affichage des deux seconds graphqiues
fig2, (ax3, ax4) = plt.subplots(1, 2, figsize=(12, 6))
Proj = approx(R, 2)
ax3.scatter(Proj[:, 0], Proj[:, 1], c=labelsligne.astype('float'))
ax3.set_ylabel('Y2')
ax3.set_xlabel('Y1')
ax3.set_title('Analyse en composantes principales pour k = 2')
Cor = correlationdirprinc(R, 2)
for i in range(n):
X = Cor[0, i]/(np.sqrt((Cor[0, i]**2+Cor[1, i]**2)))
Y = Cor[1, i]/(np.sqrt((Cor[0, i]**2+Cor[1, i]**2)))
ax4.arrow(0, 0, X, Y, width=0.02, length_includes_head=True)
ax4.text(X, Y, labelscolonne[i])
ax4.plot(np.cos(np.linspace(0, 2*np.pi, 100)),
np.sin(np.linspace(0, 2*np.pi, 100)))
ax4.grid()
ax4.set_ylabel('Y2')
ax4.set_xlabel('Y1')
ax4.set_title('Cercle de corrélation')
plt.show()
def ACP3D(R, labelsligne, labelscolonne):
"""
parameter R : le tableau de données numériques
parameter labelsligne : nom des lignes
parameter labelscolonne : nom des colonnes
return :
"""
m, n = R.shape
Rcr = centre_red(R)
U, s, VT = np.linalg.svd(Rcr)
V = VT.T
v = V[:, :n]
Y = Rcr@v
# Affichage des deux premiers graphqiues 2D
Yi = []
for i in range(1, n+1):
Yi.append('Y{}'.format(i))
# Affichage des deux premiers graphqiues
fig1, (ax1, ax2) = plt.subplots(1, 2, figsize=(24, 9))
for i in range(n):
ax1.bar(Yi[i], variance(Y[:, i]), color='#77b5fe', edgecolor='k')
ax1.text(Yi[i], variance(Y[:, i]), round(variance(Y[:, i]), 2), horizontalalignment='center')
ax1.set_ylabel('Variance(Yk)')
ax1.set_xlabel('Composantes')
ax1.set_title('Variance des composantes principales')
ax2.pie(s**2, labels=Yi, autopct='%1.1f%%')
ax2.set_title('Participation à la variance totale')
# Affichage des deux seconds graphqiues 3D
fig = plt.figure(figsize=(12, 6))
ax3 = fig.add_subplot(121, projection='3d')
Proj = approx(R, 3)
ax3.scatter(Proj[:, 0], Proj[:, 1], Proj[:, 2], c=labelsligne.astype('float'))
ax3.set_xlabel('Y1')
ax3.set_ylabel('Y2')
ax3.set_zlabel('Y3')
ax3.set_title("Analyse en composantes principales pour k = 3")
Cor = correlationdirprinc(R, 3)
ax4 = fig.add_subplot(122, projection='3d')
u, v = np.mgrid[0:2*np.pi:20j, 0:np.pi:10j]
x = np.cos(u)*np.sin(v)
y = np.sin(u)*np.sin(v)
z = np.cos(v)
ax4.plot_surface(x, y, z, color="b", alpha=0.2)
ax4.plot(np.cos(np.linspace(0, 2*np.pi, 100)),
np.sin(np.linspace(0, 2*np.pi, 100)), -1, color="grey")
ax4.plot(np.cos(np.linspace(0, 2*np.pi, 100)), np.ones(100),
np.sin(np.linspace(0, 2*np.pi, 100)), color="grey")
ax4.plot(-np.ones(100), np.cos(np.linspace(0, 2*np.pi, 100)),
np.sin(np.linspace(0, 2*np.pi, 100)), color="grey")
for i in range(n):
X = Cor[0, i]/(np.sqrt((Cor[0, i]**2+Cor[1, i]**2+Cor[2, i]**2)))
Y = Cor[1, i]/(np.sqrt((Cor[0, i]**2+Cor[1, i]**2+Cor[2, i]**2)))
Z = Cor[2, i]/(np.sqrt((Cor[0, i]**2+Cor[1, i]**2+Cor[2, i]**2)))
ax4.quiver(0, 0, 0, X, Y, Z, color="b")
ax4.quiver(0, 1, 0, X, 0, Z, color="r")
ax4.quiver(-1, 0, 0, 0, Y, Z, color="r")
ax4.quiver(0, 0, -1, X, Y, 0, color="r")
ax4.text(X, Y, Z, labelscolonne[i])
ax4.set_xlabel('Y1')
ax4.set_ylabel('Y2')
ax4.set_zlabel('Y3')
ax4.set_title("Cercle de corrélation et ses projections")
plt.show()
def ACP(R, labelsligne, labelscolonne, k=0, epsilon=10**-1):
m, n = np.shape(R)
Rcr = centre_red(R)
U, s, VT = np.linalg.svd(Rcr)
V = VT.T
v = V[:, :n]
Y = Rcr@v
# Affichage des deux premiers graphqiues 2D
Yi = []
for i in range(1, n+1):
Yi.append('Y{}'.format(i))
# Affichage des deux premiers graphqiues
fig1, (ax1, ax2) = plt.subplots(1, 2, figsize=(24, 9))
for i in range(n):
ax1.bar(Yi[i], variance(Y[:, i]), color='#77b5fe', edgecolor='k')
ax1.text(Yi[i], variance(Y[:, i]), round(variance(Y[:, i]), 2), horizontalalignment='center')
ax1.set_ylabel('Variance(Yk)')
ax1.set_xlabel('Composantes')
ax1.set_title('Variance des composantes principales')
ax2.pie(s**2, labels=Yi, autopct='%1.1f%%')
ax2.set_title('Participation à la variance totale')
# Kaiser
for i in range(n):
if variance(Y[:,i])>=1-epsilon :
k +=1
elif variance(Y[:,i+1])<1-epsilon :
break
print(k)
fig2, ax3 = plt.subplots(1, 1, figsize=(12, 6))
img = ax3.imshow(correlationdirprinc(R, k))
plt.subplots_adjust(bottom=0.1, right=0.8, top=0.9)
plt.yticks(ticks=range(k), labels=[f'Y{i + 1}' for i in range(k)])
plt.xticks(ticks=range(n), labels=labelscolonne)
fig2.colorbar(img)
plt.plot()
# PARTIE 3
def cercle_cor(mat_cor, col_names, show=True):
n, _ = mat_cor.shape
t = np.linspace(0, 2 * np.pi, 100)
plt.plot(np.cos(t), np.sin(t), ls='--')
arrow_style = {"width": 0.02, "length_includes_head": True}
for i in range(n):
plt.arrow(0, 0, mat_cor[i, 0], mat_cor[i, 1], **arrow_style)
plt.annotate(col_names[i], xy=(mat_cor[i, 0], mat_cor[i, 1]))
plt.title('Cercle de corrélation')
plt.grid()
if show:
plt.show()
def matrice_cor(mat_cor, col_names, show=True):
n, k = mat_cor.shape
plt.imshow(mat_cor.T)
plt.yticks(ticks=range(k), labels=[f'Y{i + 1}' for i in range(k)])
plt.xticks(ticks=range(n), labels=col_names)
plt.title('Matrice de corrélation')
plt.colorbar()
if show:
plt.show()
def plot_2D(proj, label, show=True):
x = proj[:, 0]
y = proj[:, 1]
plt.scatter(x, y, c=label)
plt.title("Analyse en composantes principales 2D")
plt.xlabel('Y1')
plt.ylabel('Y2')
if show:
plt.show()
def barycentre(S):
# retourne un matrice de taille (k, p) ou chaque ligne est le barycentre de tous les points d'un catégorie S[k]
return np.array([np.sum(s, axis=0, dtype=float) / len(s) for s in S])
def norme(x):
# norme 2 de x
return np.linalg.norm(x)
def Kmoy(A, k, err=0.01, show=False, save=False):
"""
L'algorithme des k-means permette de catégoriser / classifier les objets d'un EV en fonction de leurs distances
euclidiennes relative. Dans notre cas il permet de séparer en k catégorie un nuage de point que l'on
sait 'relativement ordonné' grace a un travail de décomposition en vecteur propre ACP effectué précédements.
:param A: la matrice de taille (m, p) que souhaite classifier
:param k: le nombre de groupe / catégorie que l'on souhaite créer
:param err: condition d'arrete de l'algorithme : c'est la variation minimal entre les barycentres muu entre 2
ittérations pour stopper l'algorithme
:param show: if True affiche en temps réel l'évolution de l'algorithme ittération par ittération
:param save: if True enregistre le résultat que l'on affiche sur un plan (fonction pour p = 2)
:return S: la meilleur partition des lignes de A,
une liste de longueur k qui contient les lignes de A trier selon k catégories exemple,
pour k = 3: S = [[.., .., ..], [.., .., .., .., ..], [.., ..]]
"""
# on récupère les dimensions de A
m, p = A.shape
# on stocke quelque couleur pour le future affichage
color = ['b', 'g', 'k', 'y', 'm', 'pink']
# ------------------------------------- initialistation de l'algorithme --------------------------------------
# on choisie k ligne différente de A au hasard
# on recommence tant que l'on a pas k indice différent
indice = np.random.choice(m, k)
while (np.unique(indice) != indice).all():
indice = np.random.choice(m, k)
# muu est un matrice de taille (k, p) qui contient les coordonnées des barycentres des catégories que l'on cherche
# on initialise ces barycentres de manière aléatoire a partir des indices
muu = A[indice, :]
# on fixe delta_muu est notre variable de souvenir (ittération n-1)
delta_muu = muu
# ------------------------------------------- algorithme k-means -------------------------------------------
# tant que l'algorithme n'est pas stable, que les barycentres se deplacent encore on ittere l'algo
while norme(delta_muu) > err:
# on initialise notre partition des lignes de A en k catégorie : [[], [], .., []]
S = [[] for l in range(k)]
if show:
plt.clf()
# pour chaque ai les ligne de A, on clacule sa distance aux k-barycentres et on ajoute ai au nuage de point
# dont le barycentre est le plus proche
for i in range(m):
ai = A[i, :]
# on calcule les distances entre ai et les k-barycentres avec la norme 2
D = [norme(ai - muu[j, :]) for j in range(k)]
# on récupère l'indice du nuage le plus proche de ai, avec j la catégorie qui lui conviendrait le mieux
j, _ = min(enumerate(D), key=lambda x: x[1])
# on ajoute la ligne ai a la meilleur catégorie au vu des barycentres de cette ittération
S[j].append(ai)
if show:
plt.scatter(ai[0], ai[1], c=color[j])
# il se peut qu'un catégorie de S soit vide, pour éviter les problèmes on ajoute un point 0 Rp, qui
# n'aura pas d'impacte sur les barycentres muu
while [] in S:
S.remove([])
S.append([np.zeros(p)])
# on calcule le déplacement moyen des barycentres delta_muu pour la condition d'arrêt ainsi que les nouveaux
# barycentres muu
delta_muu = muu - barycentre(S)
muu = barycentre(S)
# print(norme(delta_muu))
if show:
[plt.scatter(muuk[0], muuk[1], c='r', s=100) for muuk in muu]
plt.pause(0.2)
# --------------------------------------------- fin de l'algorithme ----------------------------------------------
# on calcule l'efficaciter du partionnement S en calculant Val un scalaire
Val = 0
for j in range(k):
for i in range(len(S[j])):
Val += norme(S[j][i] - muu[j])**2
# on affiche tout les points si show == True avec la couleur de leurs catégories respectives
if show:
plt.title(f'Val = {Val}')
plt.show()
# si save == True on enregiste le plot avec comme nom la qualité de la partition S donné par val
if save:
[[plt.scatter(S[j][i][0], S[j][i][1], c=color[j]) for i in range(len(S[j]))] for j in range(k)]
[plt.scatter(muuk[0], muuk[1], c='r', s=100) for muuk in muu]
plt.title(f'Val = {Val}')
plt.savefig(str(Val) + '.png')
plt.close()
# on retourne le partitionnement S trouver par l'algorithme des k-moyens
return S