ML1/ML1_01_intro.R

50 lines
1.8 KiB
R
Raw Normal View History

# ML 1 01 Intro
# Exemple de fonction non-linéaire pour générer un jeu de données artificiel.
f <- function(x) {exp(x) * cos(2*pi*sin(pi*x))}
# Génération d'un jeu de données synthétique qui est l'image par f d'un
# échantillon uniforme de l'intervalle [0,1] auquel nous ajoutons un bruit
# gaussien de moyenne nulle et d'écart type sd.
gendat <- function(N, sd) {
# N: nombre d'observations à générer
# sd: écart type d'un bruit gaussien de moyenne nulle
X = runif(N)
Y = f(X) + rnorm(N, mean=0, sd=sd)
dim(X) <- c(N,1) # en général chaque observation est décrite par plusieurs
# variables et X est une matrice avec autant de lignes que
# d'observations et autant de colonnes que de variables. Sur
# notre exemple, chaque observation n'est décrite que par une
# seule variable.
list(X = X, Y = Y)
}
# Affichage simultanée du jeu de données bruité et de la courbe de la fonction
# utilisée pour le générer.
plt <- function(data, f, ...) {
xs = seq(0,1,length.out=100)
plot(xs, f(xs), type="l", ...)
points(data$X, data$Y)
}
# Résolution du système linéaire correspondant à la matrice de Vandermonde.
# Autrement dit, découverte d'un polynôme qui passe par chaque point.
polyreg1 <- function(data) {
xs <- c(data$X) # on transforme la matrice X, de dimension Nx1 sur notre
# exemple, en un vecteur
vandermonde = outer(xs, 0:(length(xs)-1), "^")
solve(vandermonde, data$Y)
}
# Evaluation d'un polynôme en un point.
polyeval <- function(coef,x) {
powers = 0:(length(coef)-1)
f = function(y) { sum(coef * y^powers) }
sapply(x,f)
}
# Affichage de la courbe d'un polynôme défini par ses coefficients.
pltpoly <- function(coef) {
xs = seq(0,1,length.out=100)
lines(xs, polyeval(coef,xs), lty="dotted")
}