Mesures de distance entre modalités de variables qualitatives; application à la classification

Hisham Abdallah (1) , Gilbert Saporta (2)

1 LU / ULB - الجامعة اللبنانية [بيروت] = Lebanese University [Beirut] = Université libanaise [Beyrouth]
2 CEDRIC - MSDMA - CEDRIC. Méthodes statistiques de data-mining et apprentissage

Clustering categories needs a definition of dissimilarities between modalities. Our treatment will be based on Ochiai, Dice etc. indices of similarity. We give bounds and check axioms of distance for some indices of dissimilarity. We then use them to get agglomerative hierarchical clustering of a set of modalities.

Regrouper des modalités appartenant aux mêmes variables ou à des variables différentes nécessite l’usage d’un indice de dissimilarité entre modalités. Nous donnons une solution à ce problème dans cet article, en nous basant sur les indices de similarité d’Ochiai, de Dice, etc. Ensuite, nous calculons des bornes pour certains indices de dissimilarité, et nous vérifions les axiomes de distance. Ceux-ci sont ensuite utilisés pour la classification ascendante hiérarchique d’un ensemble de modalités.

Mots clés: distance; modalities; Categorical variables; classification

Mots clés: Variables qualitatives; modalités; distance; classification.

Domaines: Statistiques [stat]

Hisham Abdallah, Gilbert Saporta. Mesures de distance entre modalités de variables qualitatives; application à la classification. Revue de Statistique Appliquée, 2003, 51 (2), pp.75-90. ⟨hal-02507690⟩