Tutoriels pour DtmVic
(Ces tutoriels supposent que le logiciel a été téléchargé) [Dans cette version, les tutoriels sont en Anglais ]
Tutoriel A : Introduction à DtmVic à partir de 5 exemples
(format pdf)
On présente dans ce tutoriel cinq exemples d'analyses classiques offrant une vue générale des possibilités du logiciel: gestion des variables actives et supplémentaires, complémentarité systématique avec la classification, validation des visualisations par bootstrap, cartes de Kohonen.
- A1- Analyse en composantes principales.
Variables Actives et supplémentaires. Catégories supplémentaires. Validation Bootstrap. L'ACP est suivie d'une classification des observations, et d'une description automatique des classes obtenues. - A2- Analyse des Correspondances.
Analyse des Correspondances d'un petit tableau de contingence. Validation Bootstrap. - A3- Analyse des correspondances multiples.
Catégories actives et supplémentaires. Validation Bootstrap. L'ACM est suivie d'une classification des observations, et d'une description automatique des classes obtenues. - A4- Analyse des correspondances d'un tableau lexical.
Traitement d'une simple série de textes (20 premiers sonnets de Shakespeare). Codage numérique. Analyse des Correspondances du tableau lexical mots x poèmes. Validation Bootstrap. Mots et vers caractéristiques. Cartes de Kohonen. Sériation. - A5- Questions ouvertes dans une enquête par sondage.
On utilise ici des données à la fois numériques et textuelles. Le traitement des réponses à une question ouverte utilise ici une variable nominale spécifique. Codage numérique des réponses. Analyse des correspondances d'un tableau lexical mots x catégories. Validation Bootstrap. Description des catégories par leurs mots caractéristiques et leurs réponses modales. Carte de Kohonen simultanée pour les mots et les catégories.
Tutoriel B : Quatre exemples d'analyses de données textuelles (format pdf)
Le tutoriel B s'adresse à des utilisateurs plus avancés qui veulent aller au delà des analyses pré-programmées et utiliser les fichiers de commandes (modèles fournis). Les quatre exemples concernent les données textuelles.
- B1- Questions ouvertes dans une enquête par sondage: Première exploration
Premier traitement des réponses à une question ouverte. Codage numériques des réponses. Analyse des correspondances (CA) de la table lexicale clairsemée (sparse) répondants x mots, Classification des réponses, et description des classes obtenues par leurs mots et leurs réponses caractéristiques. Carte de Kohonen pour les mots et pour les répondants. - B2- Questions ouvertes dans une enquête par sondage:
lien avec les questions fermées
Cet exemple, portant sur 14 étapes, contient l'exemple B.1, mais prend en compte l'information des questions fermés. Codage numérique des réponses. Exemples de modification du seuil de fréquence pour les mots. Exemple de concordances (contexte syntaxique) pour certains mots. CA du tableau lexical répondants x mots, classification des réponses, et description des classes obtenues par leurs mots et réponses caractéristiques. et aussi à travers leurs catégories caractéristique (questions fermées). Cartes de Kohonen pour les mots et pour les répondants. - B3- Analyse des correspondances multiples et questions ouvertes
Analyse des correspondances multiples et classification des répondants à l'aide de questions fermées. Traitement des réponses aux questions ouvertes agrégées [et lemmatisées]. L'exemple met en avant une autre technique pour le regroupement des réponses. Dans une première phase, une analyse des correspondances multiples est effectuées sur un ensemble de variables nominales (par exemple: les réponses aux questions fermées). La visualisation est complétée par une classification, suivie d'une description automatique des classes. Ces classes sont ensuite utilisées pour agréger les réponses à à une question ouverte. La table obtenue est ensuite analysée comme lors de l'exemple A.5. - B4- Visualisation du réseau sémantique des verbes français
Visualisation des liens sémantiques existant entre 829 verbes français. Chaque verbe est décrit par une liste de "synonymes".
Tutoriel C : Cinq exemples d'analyse de données numériques(format pdf)
On présente dans ce tutoriel cinq exemples pour approfondir les analyses de donnes numériques.
- C1- Diverses visualisations en Analyse en composantes principales
L'exemple C1 utilise un extrait des données sémiometriques (voir l'ouvrage "La sémiométrie", par L. Lebart, M. Piron t J.-F. Steiner, téléchargeable en pdf á partir de l'item "Publications" du menu). La visualisation á partir des axes principaux est complétée par une classification et une description automatique des classes. La validation Bootstrap puis les cartes de Kohonen sont suivies par les différents outils de visualisation prévues dans le sous-menu "Visualisation" de la phase "VIC" (VIC = Visualisation, Inférence, Classification): visualisation des clusters (ou catégories) en utilisant des symboles ou des couleurs, enveloppes convexes ou ellipses de densité pour les classes, arbre de longueur minimale (MST=Minimum spanning tree), mise en évidence des plus proches voisins. - C2- Autres visualisations en Analyse en composantes principales
Même ensemble de variables numériques (données sémiometriques). Les axes principaux de visualisation sont complétés par une classification des variables . Comme précédemment, la validation Bootstrap puis les cartes de Kohonen sont suivies par les différents outils de visualisation prévus dans le sous-menu "Visualisation" de la phase "VIC": visualisation des classes de variables, enveloppes convexes ou ellipses de densité pour les classes de variables, arbre de longueur minimale sur les variables (MST=Minimum spanning tree), mise en évidence des plus proches voisins. - C3- Analyse de Contiguïté et analyse discriminante (Iris de Fisher)
L'exemple C3 vise à analyser un ensemble classique de variables numériques (les données IRIS de Anderson / Fisher) par Analyse en composantes principales, Classification, Analyse de contiguïté, Analyse discriminante. La visualisation à partir des axes principaux est complétée par une classification comprenant une description automatique des classes. Au départ, l'exemple C3 est très similaire à l'exemple C2: Analyse en composantes principales et classification (clustering) d'un ensemble de données numériques, avec différents outils de visualisation, impliquant aussi une variable nominale spécifique (les trois groupes d'iris). L'exemple présente ensuite les améliorations apportées par l'analyse de contiguïté et un cas particulier important de l'analyse de Contiguïté : l'Analyse discriminante de Fisher (Linear Discriminant Analysis). - C4- Description de graphes par analyse des correspondances
Visualisation d'une série de graphes planaires simples symétriques, principalement à partir de l'analyse des correspondances. Les trois graphes sont des graphes planaires: un graphe en forme de damier, un cycle, et deux graphes empiriques censés représenter les cartes des régions du Japon et de la France. Ces exemples jettent un pont entre les aspects spécifiques de DtmVic: un même graphique peut conduire à des données d'entrée différentes: des données numériques classiques, des données textuelles, et des données sous un "format externe" spécifique. - C5- Compression d'images par Décomposition aux Valeurs Singulières
et par Analyse des Correspondances
L'exemple C5 peut être considéré comme une annexe pédagogique. Il ne fait pas usage de données au format DtmVic, car il traite d'images numérisées. Un simple tableau rectangulaire de nombres entiers suffit : il n'est pas nécessaire de disposer d'identificateurs de lignes ou de colonnes. Une interface spécialisée est fournie via le bouton "DtmVic Tools" du menu principal.
Tutoriel D : Importation des données et des textes au format DtmVic (format pdf)
Après avoir décrit les formats de données internes à DtmVic, On présente dans ce tutorial cinq exemples d'importations de données et de textes :
- D1- Importation de données numériques et textuelles en format "Excel" ®
- D2- Importation de données numériques en format libre
- D3- Importation de données numériques en format fixe
- D4- Importation de données textuelles en format libre
- D5- Importation de données numériques et textuelles en format XML
Accueil