-
Notifications
You must be signed in to change notification settings - Fork 0
/
projet_mlg.R
2286 lines (1574 loc) · 74.1 KB
/
projet_mlg.R
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
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
rm(list=ls())
# Constantes, Fonctions et Librairies ----
# Librairies
# __________
if (system.file(package='tidyverse')=="") { install.packages("tidyverse") }
if (system.file(package='corrplot')=="") { install.packages("corrplot") }
if (system.file(package='ROCR')=="") { install.packages("ROCR") }
library(tidyverse)
library(corrplot)
library(ROCR)
# couleurs
# ________
col_pluie.demain <- c("orange", "deepskyblue4")
# Renommage des colonnes : tableau de correspondances
# ______________________
col_rename= rbind ( c("Month", "month"),
c("Temperature.daily.mean..2.m.above.gnd.", "temperature.mean"),
c("Relative.Humidity.daily.mean..2.m.above.gnd.", "humidity.mean"),
c("Mean.Sea.Level.Pressure.daily.mean..MSL.", "pressure.mean"),
c("Total.Precipitation.daily.sum..sfc.", "precipitation"),
c("Snowfall.amount.raw.daily.sum..sfc.", "snowfall"),
c("Total.Cloud.Cover.daily.mean..sfc.", "total.cloud.mean"),
c("High.Cloud.Cover.daily.mean..high.cld.lay.","high.cloud.mean"),
c("Medium.Cloud.Cover.daily.mean..mid.cld.lay.", "med.cloud.mean"),
c("Low.Cloud.Cover.daily.mean..low.cld.lay.", "low.cloud.mean"),
c("Sunshine.Duration.daily.sum..sfc.", "sunshine"),
c("Shortwave.Radiation.daily.sum..sfc.", "radiation"),
c("Wind.Speed.daily.mean..10.m.above.gnd.", "wind.speed.mean.10"),
c("Wind.Direction.daily.mean..10.m.above.gnd.", "wind.dir.10"),
c("Wind.Speed.daily.mean..80.m.above.gnd.", "wind.speed.mean.80"),
c("Wind.Direction.daily.mean..80.m.above.gnd.", "wind.dir.80"),
c("Wind.Speed.daily.mean..900.mb.", "wind.speed.mean.900"),
c("Wind.Direction.daily.mean..900.mb.","wind.dir.900"),
c("Wind.Gust.daily.mean..sfc.","wind.gust.mean"),
c("Temperature.daily.max..2.m.above.gnd.","temperature.max"),
c("Temperature.daily.min..2.m.above.gnd.", "temperature.min"),
c("Relative.Humidity.daily.max..2.m.above.gnd.","humidity.max"),
c("Relative.Humidity.daily.min..2.m.above.gnd.", "humidity.min"),
c("Mean.Sea.Level.Pressure.daily.max..MSL.", "pressure.max"),
c("Mean.Sea.Level.Pressure.daily.min..MSL.", "pressure.min"),
c("Total.Cloud.Cover.daily.max..sfc.","total.cloud.max"),
c("Total.Cloud.Cover.daily.min..sfc.","total.cloud.min"),
c("High.Cloud.Cover.daily.max..high.cld.lay.", "high.cloud.max"),
c("High.Cloud.Cover.daily.min..high.cld.lay.", "high.cloud.min"),
c("Medium.Cloud.Cover.daily.max..mid.cld.lay.", "med.cloud.max"),
c("Medium.Cloud.Cover.daily.min..mid.cld.lay.", "med.cloud.min"),
c("Low.Cloud.Cover.daily.max..low.cld.lay.","low.cloud.max"),
c("Low.Cloud.Cover.daily.min..low.cld.lay.", "low.cloud.min"),
c("Wind.Speed.daily.max..10.m.above.gnd.","wind.speed.max.10"),
c("Wind.Speed.daily.min..10.m.above.gnd.", "wind.speed.min.10"),
c("Wind.Speed.daily.max..80.m.above.gnd.", "wind.speed.max.80"),
c("Wind.Speed.daily.min..80.m.above.gnd.", "wind.speed.min.80"),
c("Wind.Speed.daily.max..900.mb.","wind.speed.max.900"),
c("Wind.Speed.daily.min..900.mb.", "wind.speed.min.900"),
c("Wind.Gust.daily.max..sfc.","wind.gust.max"),
c("Wind.Gust.daily.min..sfc.", "wind.gust.min"))
colnames(col_rename)<- c("original", "new")
# Préparation du Data Frame en vue de la modélisation
# ___________________________________
process_data <- function(fun_data)
{
# Retrait des colonnes inutiles : X, Year, Hour, Minutes
fun_data <- fun_data[,!(names(fun_data) %in% c("X", "Year", "Day", "Hour", "Minute"))]
# Month : passage en type factoriel
fun_data$Month <- as.factor(fun_data$Month)
summary(fun_data)
# Renommage des colonnes selon le tableau de correspondances
for (c in col_rename[,"original"])
{
i <- which(colnames(fun_data)==c)
colnames(fun_data)[i]<-col_rename[i,"new"]
print(paste("renaming:", col_rename[i,"original"], " => ", col_rename[i,"new"]))
}
# ajout des colonnes 'amplitude' en fin de tableau pour les variables "mean/min/max"
fun_data <- cbind(fun_data,
temperature.amplitude=fun_data$temperature.max - fun_data$temperature.min)
fun_data <- cbind(fun_data,
humidity.amplitude=fun_data$humidity.max - fun_data$humidity.min)
fun_data <- cbind(fun_data,
pressure.amplitude=fun_data$pressure.max - fun_data$pressure.min)
fun_data <- cbind(fun_data,
total.cloud.amplitude=fun_data$total.cloud.max - fun_data$total.cloud.min)
fun_data <- cbind(fun_data,
low.cloud.amplitude=fun_data$low.cloud.max - fun_data$low.cloud.min)
fun_data <- cbind(fun_data,
med.cloud.amplitude=fun_data$med.cloud.max - fun_data$med.cloud.min)
fun_data <- cbind(fun_data,
high.cloud.amplitude=fun_data$high.cloud.max - fun_data$high.cloud.min)
fun_data <- cbind(fun_data,
wind.speed.amplitude.10=fun_data$wind.speed.max.10 - fun_data$wind.speed.min.10)
fun_data <- cbind(fun_data,
wind.speed.amplitude.80=fun_data$wind.speed.max.80 - fun_data$wind.speed.min.80)
fun_data <- cbind(fun_data,
wind.speed.amplitude.900=fun_data$wind.speed.max.900 - fun_data$wind.speed.min.900)
fun_data <- cbind(fun_data,
wind.gust.amplitude=fun_data$wind.gust.max - fun_data$wind.gust.min)
# ajout de variables booléennes en fin de tableau : precipitation, snowfall, sunshine
fun_data$precipitation_bool <- (fun_data$precipitation>0.1)
fun_data$snowfall_bool <- (fun_data$snowfall>0)
fun_data$sunshine_bool <- (fun_data$sunshine>0)
return (fun_data)
}
# Boxplot des variables mean/min/max/amplitude selon la variable pluie.demain
# ___________________________________
display_boxplot_with_pluiedemain <- function(fun_mean, fun_min, fun_max, fun_pluie.demain, fun_main="")
{
fun_amplitude=fun_max-fun_min
par(mfrow=c(2,2))
# moyenne
boxplot(fun_mean ~ fun_pluie.demain, col=col_pluie.demain,
main=paste(fun_main), cex.main=0.9,
ylab="mean",
xlab="pluie.demain")
# min
boxplot(fun_min ~ fun_pluie.demain, col=col_pluie.demain,
main=paste(fun_main), cex.main=0.9,
ylab="min",
xlab="pluie.demain")
# max
boxplot(fun_max ~ fun_pluie.demain, col=col_pluie.demain,
main=paste(fun_main), cex.main=0.9,
ylab="max",
xlab="pluie.demain")
# amplitude
boxplot(fun_amplitude ~ fun_pluie.demain, col=col_pluie.demain,
main=paste(fun_main), cex.main=0.9,
ylab="amplitude (max-min)",
xlab="pluie.demain")
par(mfrow=c(1,1))
}
# Visualisation des prédictions versus valeurs réelles
#
# fun_res_predict : vecteur des prédictions P(pluie.demain=1)
# fun_seuil : seuil de décision
# _____________________________________________________________
display_TN_TP <- function (fun_res_predict, fun_seuil) {
couleur <- rep("darkolivegreen4", length(fun_res_predict))
couleur [ (fun_res_predict>fun_seuil) != (dat.meteo.train$pluie.demain[!scp.train]==1) ] <- "firebrick"
plot(fun_res_predict, dat.meteo.train$pluie.demain[!scp.train],
main="prédictions versus valeurs réelles",
xlab="probabilité estimée",
ylab="valeur réelle de pluie.demain",
col=couleur,
pch=19)
# tracé du seuil
abline(v=fun_seuil, lty=2)
legend(0.6, 0.8,
legend=c("Prédiction correcte", "FP ou FN", paste("seuil : ", fun_seuil)),
pch=c(19, 19, 3),
col=c("darkolivegreen4", "firebrick", "black"))
}
# Visualisation de la courbe ROC
# ______________________________
#
# fun_res_predict : vecteur des prédictions P(pluie.demain=1)
#
# sortie
# p : prediction
#
display_ROC <- function(fun_res_predict) {
p <- prediction(fun_res_predict, dat.meteo.train$pluie.demain[!scp.train])
perf <- performance(p, "tpr", "fpr")
plot(performance(p, "tpr", "fpr"),
main="courbe ROC")
abline(a=0, b=1)
return (p)
}
# Calcul du seuil de prédiction optimal sur critère "taux de classification" (TP+TN/N+P)
# __________________________________________________________________________
#
# fun_res_predict : vecteur des prédictions P(pluie.demain=1)
#
compute_opt_threshold <- function (fun_res_predict) {
seuils = seq(0, 1, by=.01)
# On teste chaque seuil et on trouve le seuil qui minimise le coût global.
scores_accuracy <- sapply (seuils, FUN=function(s) {
y_pred <- (fun_res_predict >= s)
y_TP_TN <- (y_pred==(dat.meteo.train$pluie.demain[!scp.train]==TRUE))
return(mean(y_TP_TN))
})
# Seuil dont le score (Taux de classification) est le plus fort
current.model.seuil_opt <- seuils[which.max(scores_accuracy)]
return (current.model.seuil_opt)
}
# Calcul de la précision de prédiction (ratio TP + TN / P + N)
# ____________________________________
#
# fun_prediction : vecteur des valeurs Y prédites (TRUE/FALSE)
#
compute_precision <- function(fun_prediction) {
# Bonne prédictions
TP_TN <- fun_prediction==(dat.meteo.train$pluie.demain[!scp.train]==TRUE)
# Précision (TP+TN)/(N+P)
# return (length(TP_TN[TP_TN==TRUE]) / length(TP_TN))
return (mean(TP_TN))
}
# Calcul de l'AUC (Area Under the Curve)
# ______________________________________
#
# fun_p : prediction issus de l'affichage de la courbe ROC
#
compute_auc <- function (fun_p) {
auc <- performance(fun_p, "auc")
return(auc@y.values[1])
}
# ANALYSE de la DEVIANCE d'un MODELE de REGRESSION LOGISTIQUE
# ___________________________________________________________
compute_deviance_analysis <- function(fun_res_glm) {
# Rappel du résultat de la régression
summary(fun_res_glm)
# n (nombre d'échantillon) et k (nombre de covariables)
print(paste("Nombre d'échantillons n : ", nrow(fun_res_glm$data)))
print(paste("Nombre de covariables : ", length(fun_res_glm$coefficients)))
# Déviance résiduelle Dk : Mk versus Msat
Dk <- fun_res_glm$deviance
print(paste("Déviance résiduelle Dk (Mk vs Msat) : ", Dk))
Dk.df <- fun_res_glm$df.residual # degrés de liberté = n - (k + 1)
print(paste("Déviance résiduelle Dk (degrés de liberté n-k-1) : ", Dk.df))
# Déviance nulle D0 : M0 versus Msat
D0 <- fun_res_glm$null.deviance
print(paste("Déviance nulle D0 (M0 vs MSat) : ", D0))
D0.df <- fun_res_glm$df.null # degrés de liberté de la déviance nulle ()
print(paste("Déviance nulle D0 (degrés de liberté n) : ", D0.df))
# Test M0 versus Mk (D0 - Dk) :
chitest_D0_Dk <- pchisq(D0-Dk, D0.df-Dk.df, lower.tail = FALSE)
print(paste("Test M0 versus Mk (D0-Dk) : p-valeur=", chitest_D0_Dk))
# p-valeur < 5%, on rejette le modèle M0 ; le modèle Mk explique mieux les données que le modèle constant
# p-valeur > 5%, on NE rejette PAS le modèle M0 ; les covariables n'expliquent pas mieux les données observées qu'un modèle constant
# Test Mk versus Msat (Dk)
chitest_Dk <- pchisq(Dk, Dk.df, lower.tail = FALSE)
print(paste("Test Mk versus Msat (Dk) : p-valeur=", chitest_Dk))
# p-valeur < 5% : On rejette H0:Mk, le modèle n'est pas suffisamment riche pour expliquer mieux les données observées qu'un modèle saturé (pi sans structure)
# p-valeur > 5% : On NE rejette PAS H0:Mk, le modèle Mk a capturé suffisamment de variabilité pour expliquer les données mieux qu'un modèle saturé (pi sans structure)
# res <- c(test.M0.vs.Mk=chitest_D0_Dk, test.Mk.vs.Msat=chitest_Dk)
res <- c(RESULTS_DEV_M0_VS_MK=chitest_D0_Dk, RESULTS_DEV_MK_VS_MSAT=chitest_Dk)
return(res)
}
# GESTION du TABLEAU RECAPITULATIF des MODELES ETUDIES
# _____________________
RESULTS <- data.frame()
RESULTS_FORMULA <- "formula"
RESULTS_NB_COVARIABLES <- "nb.covariables"
RESULTS_NB_COEFF <- "nb.coefficients"
RESULTS_AIC <- "aic"
RESULTS_DEV_MK_VS_MSAT <- "deviance.test.mk.versus.msat"
RESULTS_DEV_M0_VS_MK <- "deviance.test.m0.versus.mk"
RESULTS_current.model.seuil_opt <- "seuil.optimal"
RESULTS_PRECISION <- "precision"
RESULTS_AUC <- "auc"
RESULTS_ERREUR <- "erreur"
results_initialize <- function () {
local_results <- data.frame(
formula=NA,
nb.covariables=NA,
nb.coefficients=NA,
aic=NA,
deviance.test.mk.versus.msat=NA,
deviance.test.m0.versus.mk=NA,
seuil.optimal=NA,
precision=NA,
auc=NA,
erreur=NA)
return (local_results)
}
results_create_model <- function (fun_results, fun_model_name) {
# initialisation de la table si besoin
if (ncol(fun_results)==0) {
results <- results_initialize()
}
else {
# Ajout d'une ligne à la variable globale pour le modèle à créer
results <- rbind( fun_results, rep(NA,ncol(fun_results)))
}
row.names(results)[nrow(results)] <- fun_model_name
return(results)
}
results_set_values <- function (fun_results, fun_model_name, fun_model_glm) {
# formule du modèle
fun_results[fun_model_name, RESULTS_FORMULA] <- deparse1(as.formula(fun_model_glm))
# nombre de covariables du modèle
fun_results[fun_model_name, RESULTS_NB_COVARIABLES] <- ncol(fun_model_glm$model)-1 # on retire pluie.demain
# nombre de coefficients
fun_results[fun_model_name, RESULTS_NB_COEFF] <- length(fun_model_glm$coefficients)
# aic
fun_results[fun_model_name, RESULTS_AIC] <- fun_model_glm$aic
return(fun_results)
}
#__________________________________________________________________________
#
# PREPARATION des DONNEES ----
#
#__________________________________________________________________________
## Chargement des données ----
## Chargement du jeu de données d'entraînement
dat.meteo.train.raw <- read.table("meteo.train.csv",
sep=",", dec=".",
header = 1,
na.strings="NA",
colClasses = c(rep('numeric', 46), 'logical'))
ncol(dat.meteo.train.raw)
colnames(dat.meteo.train.raw)
nrow(dat.meteo.train.raw)
## Chargement du jeu de données de test
dat.meteo.test.raw <- read.table("meteo.test.csv",
sep=",", dec=".",
header = 1,
na.strings="NA",
colClasses = c(rep('numeric', 46)))
ncol(dat.meteo.test.raw)
colnames(dat.meteo.test.raw)
nrow(dat.meteo.test.raw)
# 47 colonnes pour meteo.train.raw / 46 colonnes pour meteo.test.raw
#
# 6 colonnes descriptives NUMERIQUES : id, Year, Month, Day, Hour, Minute
# 40 variables NUMERIQUES : conditions météorologiques
# (train) 1 colonne BOOL : variable à expliquer 'pluie.demain' (booleenne) : TRUE/FALSE
## Préparation des données ----
# Processing des données :
# . retrait des colonnes descriptives
# . renommage des colonnes
# . ajout de colonnes (amplitudes et booleens)
dat.meteo.train<-process_data(dat.meteo.train.raw)
dat.meteo.test<-process_data(dat.meteo.test.raw)
# Après transformation:
#
# 56 colonnes pour meteo.train / 55 colonnes pour meteo.test
#
# 1 covariable FACTORIELLE : month
# 51 covariables NUMERIQUES : conditions météorologiques
# 3 covariables BOOLEENNES : precipitation_bool / snowfall_bool / sunshine_bool
# (train) 1 colonne BOOL : variable à expliquer 'pluie.demain' (booleenne) : TRUE/FALSE
# contrôle des dimensions et des types
summary(dat.meteo.train)
summary(dat.meteo.test)
ncol(dat.meteo.train)
sort(colnames(dat.meteo.train))
nrow(dat.meteo.train)
ncol(dat.meteo.test)
sort(colnames(dat.meteo.test))
nrow(dat.meteo.test)
#__________________________________________________________________________
#
# ANALYSE EXPLORATOIRE ----
#
#__________________________________________________________________________
par(mfrow=c(1,1))
## Variable d'intérêt pluie.demain ----
table(dat.meteo.train$pluie.demain)
barplot(table(dat.meteo.train$pluie.demain), col=col_pluie.demain)
# La répartition des jours de pluie et des jours où il ne pleut pas est équilibrée
# Pas de problème de représentativité de l'une ou l'autre des valeurs
## Analyse des covariables Mean/Min/Max----
### Température ----
var_main="Température"
# Distribution selon la variable d'intéret
var_mean=dat.meteo.train$temperature.mean
var_min=dat.meteo.train$temperature.min
var_max=dat.meteo.train$temperature.max
display_boxplot_with_pluiedemain(var_mean, var_min, var_max, dat.meteo.train$pluie.demain, var_main)
# Corrélation entre covariables
cor(cbind(var_mean, var_min, var_max, amplitude=var_max-var_min))
corrplot(cor(cbind(var_mean, var_min, var_max, amplitude=var_max-var_min)),
title=var_main)
# TEMPERATURES
#
# => pluie.demain==TRUE si Températures plus hautes et amplitudes plus faibles
# => pluie.demain==FALSE si Températures plus basses et amplitudes plus grandes
#
# => Les corrélations entre min/max/mean sont fortes (>0.9)
# => Les corrélations entre min/max/mean et amplitude sont plutôt faîble.
# => La corrélation la plus faible est constatée entre min et amplitude (~0.21)
#
# Idées pour la modélisation
# . Inclure un unique représentant parmi moyenne/min/max fortement corrélées : min en l'occurrence
# . inclure l'amplitude
# . Considérer la covariable produit amplitude*min
### Humidité relative ----
var_main="Humidité"
# Distribution selon la variable d'intéret
var_mean=dat.meteo.train$humidity.mean
var_min=dat.meteo.train$humidity.min
var_max=dat.meteo.train$humidity.max
display_boxplot_with_pluiedemain(var_mean, var_min, var_max, dat.meteo.train$pluie.demain, var_main)
# Corrélation entre covariables
cor(cbind(var_mean, var_min, var_max, amplitude=var_max-var_min))
corrplot(cor(cbind(var_mean, var_min, var_max, amplitude=var_max-var_min)),
title=var_main)
# HUMIDITE
#
# => La variation de la distribution de l'humidité selon pluie.demain est minime
#
# => pluie.demain==TRUE : une légère tendance à une humidité moyenne/min/max plus grande
# => pluie.demain==FALSE : une légère tendance à une humidité moyenne/min/max plus faible
#
# => Les corrélations entre min/max/mean sont positives et relativement fortes (>0.75)
# => La corrélation entre max et amplitude est faîble.
#
# Idées pour la modélisation
# . Inclure un unique représentant parmi moyenne/min/max fortement corrélées : max en l'occurrence
# . inclure l'amplitude
# . Considérer la covariable produit amplitude*max
### Pression ----
var_main="Pression"
# Distribution selon la variable d'intérêt
var_mean=dat.meteo.train$pressure.mean
var_min=dat.meteo.train$pressure.min
var_max=dat.meteo.train$pressure.max
display_boxplot_with_pluiedemain(var_mean, var_min, var_max, dat.meteo.train$pluie.demain, var_main)
# Corrélation entre covariables
cor(cbind(var_mean, var_min, var_max, amplitude=var_max-var_min))
corrplot(cor(cbind(var_mean, var_min, var_max, amplitude=var_max-var_min)),
title=var_main)
# PRESSION
#
#
# => pluie.demain==TRUE : pressions moyenne/min/max plus faibles / amplitude plus grande
#
# => Les corrélations entre min/max/mean sont fortes
# => Les corrélations entre min/max/mean et amplitude sont faibles
# => La corrélation la plus faible est constatée entre amplitude et max
#
# Idées pour la modélisation
# . Inclure un unique représentant parmi moyenne/min/max fortement corrélées : max en l'occurrence
# . inclure l'amplitude
# . Considérer la covariable produit amplitude*max
### Nébulosité totale ----
var_main="Nébulosité totale"
# Distribution selon la variable d'intérêt
var_mean=dat.meteo.train$total.cloud.mean
var_min=dat.meteo.train$total.cloud.min
var_max=dat.meteo.train$total.cloud.max
display_boxplot_with_pluiedemain(var_mean, var_min, var_max, dat.meteo.train$pluie.demain, var_main)
# Distribution des valeurs min/max/mean
hist(var_mean,
main=var_main)
quantile(var_mean)
hist(var_min)
quantile(var_min) # valeurs principalement 0
hist(var_max)
quantile(var_max) # Valeurs principalement 100%
hist(var_max-var_min)
quantile(var_max-var_min) # Valeurs principalement 0 et 100%, peu de valeurs intermédiaires
# Corrélation entre covariables
cor(cbind(var_mean, var_min, var_max, amplitude=var_max-var_min))
corrplot(cor(cbind(var_mean, var_min, var_max, amplitude=var_max-var_min)),
title=var_main)
# NEBULOSITE TOTALE
#
# . mean/min/max sont corrélés
# . amplitude est moyennement corrélé avec min/max
# . amplitude est peu corrélé avec mean
# . amplitude présente les caractéristiques suivantes
# . amplitude est "bipolarisée" : soit 0% (min et max sont les même valeurs) soit 100% (min et max sont 0/100)
#
# Idées pour la modélisation
# . inclure mean et amplitude
# . inclure le produit mean*amplitude
#
### Nébulosité basse ----
var_main="Nébulosité basse"
# Distribution selon la variable d'intérêt
var_mean=dat.meteo.train$low.cloud.mean
var_min=dat.meteo.train$low.cloud.min
var_max=dat.meteo.train$low.cloud.max
display_boxplot_with_pluiedemain(var_mean, var_min, var_max, dat.meteo.train$pluie.demain, var_main)
# Distribution des valeurs min/max/mean
hist(var_mean,
main=var_main)
quantile(var_mean)
hist(var_min)
quantile(var_min) # valeurs principalement 0
hist(var_max)
quantile(var_max) # Valeurs principalement 100%
hist(var_max-var_min)
quantile(var_max-var_min) # Valeurs principalement 0 et 100%, peu de valeurs intermédiaires
# Corrélation entre covariables
cor(cbind(var_mean, var_min, var_max, amplitude=var_max-var_min))
corrplot(cor(cbind(var_mean, var_min, var_max, amplitude=var_max-var_min)),
title=var_main)
# NEBULOSITE BASSE
#
# . min/max/mean sont corrélées
#
# Idées pour la modélisation
# . inclure min et amplitude
# . inclure le produit min*amplitude
### Nébulosité médium ----
var_main="Nébulosité médium"
# Distribution selon la variable d'intérêt
var_mean=dat.meteo.train$med.cloud.mean
var_min=dat.meteo.train$med.cloud.min
var_max=dat.meteo.train$med.cloud.max
display_boxplot_with_pluiedemain(var_mean, var_min, var_max, dat.meteo.train$pluie.demain, var_main)
# Distribution des valeurs min/max/mean
hist(var_mean,
main=var_main)
quantile(var_mean)
hist(var_min)
quantile(var_min) # valeurs principalement 0
hist(var_max)
quantile(var_max) # Valeurs principalement 100% / 50% des données sont 100%
hist(var_max-var_min)
quantile(var_max-var_min) # Valeurs principalement 0 et 100%, peu de valeurs intermédiaires
# Corrélation entre covariables
cor(cbind(var_mean, var_min, var_max, amplitude=var_max-var_min))
corrplot(cor(cbind(var_mean, var_min, var_max, amplitude=var_max-var_min)),
title=var_main)
# NEBULOSITE MEDIUM
#
# Idées pour la modélisation
# . inclure min et amplitude
# . inclure le produit min*amplitude
### Nébulosité haute ----
var_main="Nébulosité haute"
# Distribution selon la variable d'intérêt
var_mean=dat.meteo.train$high.cloud.mean
var_min=dat.meteo.train$high.cloud.min
var_max=dat.meteo.train$high.cloud.max
display_boxplot_with_pluiedemain(var_mean, var_min, var_max, dat.meteo.train$pluie.demain, var_main)
# Distribution des valeurs min/max/mean
hist(var_mean,
main=var_main)
quantile(var_mean)
hist(var_min)
quantile(var_min) # valeurs principalement 0
hist(var_max)
quantile(var_max) # Valeurs principalement 100% / 50% des données sont 100%
hist(var_max-var_min)
quantile(var_max-var_min) # Valeurs principalement 0 et 100%, peu de valeurs intermédiaires
quantile(var_max[dat.meteo.train$pluie.demain]-var_min[dat.meteo.train$pluie.demain]) # Quantile quand pluie.demain=TRUE
quantile(var_max[!dat.meteo.train$pluie.demain]-var_min[!dat.meteo.train$pluie.demain]) # Quantile quand pluie.demain=FALSE
# Corrélation entre covariables
cor(cbind(var_mean, var_min, var_max, amplitude=var_max-var_min))
corrplot(cor(cbind(var_mean, var_min, var_max, amplitude=var_max-var_min)),
title=var_main)
# NEBULOSITE HAUTE
#
# Idées pour la modélisation
# . inclure min et amplitude sous forme booleenne
# . inclure le produit min*amplitude
### Corrélation entre nébulosités ----
# corrélation entre les moyennes
attach(dat.meteo.train)
cloud.mean <- cbind(low.cloud.mean, med.cloud.mean, high.cloud.mean)
cor(cbind(cloud.mean))
corrplot(cor(cloud.mean), title=var_main)
detach(dat.meteo.train)
# corrélation entre les min
attach(dat.meteo.train)
cloud.min <- cbind(low.cloud.min, med.cloud.min, high.cloud.min)
cor(cbind(cloud.min))
corrplot(cor(cloud.min), title=var_main)
detach(dat.meteo.train)
# corrélation entre les max
attach(dat.meteo.train)
cloud.max <- cbind(low.cloud.max, med.cloud.max, high.cloud.max)
cor(cbind(cloud.max))
corrplot(cor(cloud.max), title=var_main)
detach(dat.meteo.train)
# corrélation entre les amplitudes (max-min)
attach(dat.meteo.train)
cloud.amplitude <- cbind(low.cloud.max-low.cloud.min, med.cloud.max-med.cloud.min, high.cloud.max-high.cloud.min)
cor(cbind(cloud.amplitude))
corrplot(cor(cloud.amplitude), title=var_main)
detach(dat.meteo.train)
# CORRELATION entre NEBULOSITES
#
# entre nébulosités basse et haute : corrélations positives et faibles entre mean/min/max/amplitude (~0.1/0.2)
#
# entre nébulosités basse et moyenne : corrélations positives et relativement faibles entre mean/min/max/amplitude (~0.3/0.5)
#
# entre nébulosités moyenne et haute : corrélations positives et relativement forte entre mean/min/max/amplitude (~0.6)
#
# Idées pour la modélisation
# . corrélations raisonnables entre nébulosités
# . inclure le schéma des 3 nébulosités sous la forme imaginée
### Vitesse et sens du vent à 10 m (force et direction) ----
#### Vitesse du vent ----
var_main="Vitesse du Vent à 10 m"
# Distribution selon la variable d'intérêt
var_mean=dat.meteo.train$wind.speed.mean.10
var_min=dat.meteo.train$wind.speed.min.10
var_max=dat.meteo.train$wind.speed.max.10
display_boxplot_with_pluiedemain(var_mean, var_min, var_max, dat.meteo.train$pluie.demain, var_main)
# Corrélation entre covariables
cor(cbind(var_mean, var_min, var_max, amplitude=var_max-var_min))
corrplot(cor(cbind(var_mean, var_min, var_max, amplitude=var_max-var_min)),
title=var_main)
# VENT à 10 mètre
#
# => Les corrélations entre min/max/mean sont fortes
# => La corrélation la plus faible est constatée entre amplitude et min
#
# Idées pour la modélisation
# . Inclure un unique représentant parmi moyenne/min/max fortement corrélées : min en l'occurrence
# . inclure l'amplitude
# . Considérer la covariable produit amplitude*min
#
#### Sens du vent ----
var_main="Sens du Vent à 10 m"
# Distribution selon la variable d'intérêt
var_total=dat.meteo.train$wind.dir.10
# histogramme des valeurs
hist(var_total)
hist(var_total[dat.meteo.train$pluie.demain]) # pluie.demain==TRUE
hist(var_total[!dat.meteo.train$pluie.demain]) # pluie.demain==FALSE
# Distribution selon la pluie demain
boxplot(var_total ~ dat.meteo.train$pluie.demain, col=col_pluie.demain,
main=var_main,
ylab=var_main,
xlab="pluie.demain")
# Quantiles
length(var_total[!dat.meteo.train$pluie.demain])
quantile(var_total[dat.meteo.train$pluie.demain==FALSE]) # quantile des précipitations quand pluie.demain==FALSE
length(var_total[dat.meteo.train$pluie.demain])
quantile(var_total[dat.meteo.train$pluie.demain==TRUE]) # quantile des précipitations quand pluie.demain==TRUE
# SENS du VENT à 10 mètre
#
# Il semble y avoir une
#
# Idées pour la modélisation
# . inclure le sens du vent à 10 mètres
### Vitesse et sens du vent à 80 m (force et direction) ----
#### Vitesse du vent ----
var_main="Vitesse du Vent à 80 m"
# Distribution selon la variable d'intérêt
var_mean=dat.meteo.train$wind.speed.mean.80
var_min=dat.meteo.train$wind.speed.min.80
var_max=dat.meteo.train$wind.speed.max.80
display_boxplot_with_pluiedemain(var_mean, var_min, var_max, dat.meteo.train$pluie.demain, var_main)
# Corrélation entre covariables
cor(cbind(var_mean, var_min, var_max, amplitude=var_max-var_min))
corrplot(cor(cbind(var_mean, var_min, var_max, amplitude=var_max-var_min)),
title=var_main)
# VENT à 80 mètres
#
# => Les corrélations entre min/max/mean sont fortes
# => Les corrélations entre min/max/mean et amplitude sont positives et
# . forte avec mean et max (>0.8)
# . relativement forte avec mean (~0.6)
# . relativement faible avec min (~0.6)
#
# Idées pour la modélisation
# . Inclure un unique représentant parmi moyenne/min/max fortement corrélées : min en l'occurrence
# . inclure l'amplitude
# . Considérer la covariable produit amplitude*min
#
#### Sens du vent ----
var_main="Sens du Vent à 80 m"
# Distribution selon la variable d'intérêt
var_total=dat.meteo.train$wind.dir.80
# histogramme des valeurs
hist(var_total)
# Distribution selon la pluie demain
boxplot(var_total ~ dat.meteo.train$pluie.demain, col=col_pluie.demain,
main=var_main,
ylab=var_main,
xlab="pluie.demain")
# Quantiles
quantile(var_total[dat.meteo.train$pluie.demain==FALSE]) # quantile des précipitations quand pluie.demain==FALSE
quantile(var_total[dat.meteo.train$pluie.demain==TRUE]) # quantile des précipitations quand pluie.demain==TRUE
# VENT à 80 mètres
#
# => Les corrélations entre min/max/mean sont positives et relativement fortes (>0.8)
# => Les corrélations entre min/max/mean et amplitude sont positives et
# . forte avec mean et max (>0.8)
# . relativement forte avec mean (~0.6)
# . relativement faible avec min (~0.6)
#
# Idées pour la modélisation
# . Inclure un unique représentant parmi moyenne/min/max fortement corrélées : min en l'occurrence
# . inclure l'amplitude
# . Considérer la covariable produit amplitude*min
#
### Vitesse et sens du vent à 900 m (force et direction) ----
#### Vitesse du vent ----
var_main="Vitesse du Vent à 900 m"
# Distribution selon la variable d'intérêt
var_mean=dat.meteo.train$wind.speed.mean.900
var_min=dat.meteo.train$wind.speed.min.900
var_max=dat.meteo.train$wind.speed.max.900
display_boxplot_with_pluiedemain(var_mean, var_min, var_max, dat.meteo.train$pluie.demain, var_main)
# Corrélation entre covariables
cor(cbind(var_mean, var_min, var_max, amplitude=var_max-var_min))
corrplot(cor(cbind(var_mean, var_min, var_max, amplitude=var_max-var_min)),
title=var_main)
# VENT à 900 mètres
#
# => Les corrélations entre min/max/mean sont positives et relativement fortes (>0.9)
# => Les corrélations entre min/max/mean et amplitude sont positives et
# . forte avec max
# . relativement forte avec mean
# . relativement faible avec min
#
# Idées pour la modélisation
# . Inclure un unique représentant parmi moyenne/min/max fortement corrélées : min en l'occurrence
# . inclure l'amplitude
# . Considérer la covariable produit amplitude*min
#
#### Sens du vent ----
var_main="Sens du Vent à 900 m"
# Distribution selon la variable d'intérêt
var_total=dat.meteo.train$wind.dir.900
# histogramme des valeurs
hist(var_total)
# Distribution selon la pluie demain
boxplot(var_total ~ dat.meteo.train$pluie.demain, col=col_pluie.demain,
main=var_main,
ylab=var_main,
xlab="pluie.demain")
# Quantiles
quantile(var_total[dat.meteo.train$pluie.demain==FALSE]) # quantile des précipitations quand pluie.demain==FALSE