Données séquentielles : Pratique de la fouille de séquences à l'aide ...

Données séquentielles : Pratique de la fouille de séquences à l’aide de TraMineRDonnées séquentielles : Pratique de la fouille deséquences à l’aide de TraMineRGilbert RitschardAlexis Gabadinho, Nicolas S. Müller, Matthias StuderDépartement d’économétrie et Laboratoire de Démographie, Université de Genèvehttp://mephisto.unige.ch/biominingTutoriel EGC, Strasbourg, 27 janvier 2009

Données séquentielles : Pratique de la fouille de séquences à l’aide de TraMineRInstallation de TraMineRTraMineRTraMineR est un package pour R qui permet de :Manipuler et transformer différents formats et types dedonnées longitudinales.Visualiser et analyser des séquences d’états.Fouiller et analyser des séquences d’événements.Analyser des dissimilarités (analyse de pseudo-variances etarbre d’induction).Les résultats peuvent ensuite être utilisés dans d’autresprocédures de R.

Données séquentielles : Pratique de la fouille de séquences à l’aide de TraMineRInstallation de TraMineRInstallation de TraMineRPour installer TraMineR, il faut installer R au préalable.Pour cela :Téléchargez R depuis http://stat.ethz.ch/CRAN/bin/windows/base/release.htm.Installez R.Lancez R.Ensuite, sur la ligne de commande tapezR> install.packages("TraMineR")Pour utiliser TraMineR, il faut charger la librairie avecR> library("TraMineR")

Données séquentielles : Pratique de la fouille de séquences à l’aide de TraMineRInstallation de TraMineRUn court exempleBasé sur les données de McVicar and Anyadike-Danes (2002)distribuées avec TraMineR.Les données concernent les séquences de transition entre écoleet emploi.McVicar, D. and M. Anyadike-Danes (2002). Predicting successfuland unsuccessful transitions from school to work using sequencemethods. Journal of the Royal Statistical Society A 165(2),317–334.

Données séquentielles : Pratique de la fouille de séquences à l’aide de TraMineRInstallation de TraMineRCréation des séquences d’étatsPour manipuler les séquences d’états, il est nécessaire de définir unobjet spécifique à l’aide de la fonction seqdef. Cette opérationpermet de :définir des méthodes (fonctions) spécifiques aux séquencesd’états.stocker des informations supplémentaires, soit :Les séquences individuelles sous la forme d’une matrice.L’alphabet (liste des états possibles).Les couleurs associées aux états.Les étiquettes des états.R> data(mvad)R> mvad.lab mvad.scode mvad.seq

Données séquentielles : Pratique de la fouille de séquences à l’aide de TraMineRInstallation de TraMineRAnalyses des séquences d’étatsVisualisation :seqdplot Distribution transversale des états (d-plot)seqiplot Plot de séquences individuelles (i-plot)seqfplot Plot des séquences fréquentes (f-plot)seqmtplot Temps moyen passé dans chaque étatCaractéristiques des séquences individuelles :seqistatd Durée des étatsseqient Entropie des séquencesseqST TurbulenceCaractéristiques d’un ensemble de séquences :seqstatd Fréquences des états et entropie par âgeseqtab Séquences fréquentesCalcul de distance entre séquences :seqdist Différentes métriques

Données séquentielles : Pratique de la fouille de séquences à l’aide de TraMineRInstallation de TraMineRVisualisation des séquences d’étatsReprésentation graphique des dix premières séquencesR> seqiplot(mvad.seq, withlegend = FALSE,+ title = "Dix premieres sequences")Graphique des dix séquences les plus fréquentes (avec largeurdes barres correspondant à la fréquence)R> seqfplot(mvad.seq, pbarw = T, withlegend = F,+ title = "Sequences les plus frequentes")Graphique de la distribution des états à chaque unité detemps.R> seqdplot(mvad.seq, withlegend = F,+ title = "Distribution des etats")Légendes des graphiques.R> seqlegend(mvad.seq, fontsize = 1.3)

Données séquentielles : Pratique de la fouille de séquences à l’aide de TraMineRInstallation de TraMineRDix premieres sequencesSequences les plus frequentesSeq. 1 to 10 (n=712)% freq. (n=712)1.11.82.22.42.57Sep.93 Jul.94 Apr.95 Feb.96 Dec.96 Oct.97 Jul.98 Apr.99Sep.93 Jul.94 Apr.95 Feb.96 Dec.96 Oct.97 Jul.98 Apr.99Distribution des etatsFreq. (n=712)0.0 0.2 0.4 0.6 0.8 1.0employmentFEHEjoblessnessschooltrainingSep.93 Jul.94 May.95 Apr.96 Mar.97 Feb.98 Jan.99

Données séquentielles : Pratique de la fouille de séquences à l’aide de TraMineRInstallation de TraMineRTurbulence des séquencesR> mvad.turb summary(mvad.turb)R> hist(mvad.turb, col = "cyan")Histogram of mvad.turbFrequency0 20 40 60 80 100 120 1402 4 6 8 10 12mvad.turb

Données séquentielles : Pratique de la fouille de séquences à l’aide de TraMineRInstallation de TraMineROptimal matchingCalcul des distances basé sur les taux de transition entre états.R> submat dist.om1 library(cluster)R> clusterward1 plot(clusterward1)R> cl1.3

Données séquentielles : Pratique de la fouille de séquences à l’aide de TraMineRInstallation de TraMineRGraphique de la distribution des états dans chaqueclusterR> seqdplot(mvad.seq, group = cl1.3)12Freq. (n=265)0.0 0.4 0.8Freq. (n=153)0.0 0.4 0.8Sep.93 Oct.94 Oct.95 Oct.96 Oct.97 Oct.98Sep.93 Oct.94 Oct.95 Oct.96 Oct.97 Oct.983Freq. (n=294)0.0 0.4 0.8employmentFEHEjoblessnessschooltrainingSep.93 Oct.94 Oct.95 Oct.96 Oct.97 Oct.98

Données séquentielles : Pratique de la fouille de séquences à l’aide de TraMineRInstallation de TraMineRSéquences d’événementsIl faut définir un objet séquences d’événements à l’aide de lafonction seqecreate.R> mvad.seqe

Données séquentielles : Pratique de la fouille de séquences à l’aide de TraMineRInstallation de TraMineRRecherche de sous-séquences fréquentesRecherche des sous-séquences fréquentes au seuil de 0.05%.R> fsubseq plot(fsubseq[1:15], col = "cyan")0.0 0.1 0.2 0.3(FE)(FE>employment)(training>employment)(school)(FE)−(FE>employment)(training)(joblessness>employment)(employment>joblessness)(training)−(training>employment)(employment)(school>HE)(employment>joblessness)−(joblessness>employment)(school)−(school>HE)(FE>joblessness)(HE>employment)

Données séquentielles : Pratique de la fouille de séquences à l’aide de TraMineRInstallation de TraMineRSous-séquences discriminantesRecherche des sous-séquences qui discriminent le plusl’appartenance aux clusters.R> discr plot(discr[1:6])120.0 0.2 0.4(school>HE)(school)−(school>HE)(employment>HE)(HE>employment)(school)(training>employment)0.0 0.2 0.4(school>HE)(school)−(school>HE)(employment>HE)(HE>employment)(school)(training>employment)3Pearson residuals0.0 0.2 0.4(school>HE)(school)−(school>HE)(employment>HE)(HE>employment)(school)(training>employment)− 4− 2neutral24