#########################################################
# UE7 Statistiques, Master SV, 2018 
# Application de l'algorithme des nuees dynamiques (K-means)
######################################################### 

# k-means basics-----------------------
# recuperation des donnees
library(datasets)
head(iris)

# Plot des donnees Longueur x largeur des petales
library(ggplot2)
# ce plot se base sur la connaissance des especes
ggplot(iris, aes(Petal.Length, Petal.Width, color = Species)) + geom_point()

# et celui-là les ignore !
ggplot(iris, aes(Petal.Length, Petal.Width, color = 1)) + geom_point()


# On donne une valeur initiale pour le générateur aleatoire
set.seed(20)

# On applique l'algorithme Hartigan-Wong (par defaut)
# nstart specifie le nombre d'essai avec des centres initiaux differents
irisCluster <- kmeans(iris[, 3:4], 3, algorithm = "Hartigan-Wong", nstart = 20)

# resultat
irisCluster

# On comparer ici le resultat de l'algorithme avec les veritables assignations
# on constate qu'il y a des erreurs. 
table(irisCluster$cluster, iris$Species)

# On plot le resultat des la classification a comparer avec le plot des especes
irisCluster$cluster <- as.factor(irisCluster$cluster)
ggplot(iris, aes(Petal.Length, Petal.Width, color = irisCluster$cluster)) 
       + geom_point()


# et maintenant une super visualisation---------
# install.packages("animation")
library(animation)
kmeans.ani(iris[, 3:4], 3)

# beaucoup, beaucoup, plus de details sur :
#https://www.guru99.com/r-k-means-clustering.html
       
       
# Aide à l'identification détection du nombre optimal de groupes ------------------
# Evaluer la proportion d'inertie expliquée
inertie.expl <- rep(0,times=10)
for (k in 2:10){
clus <-kmeans(iris[, 3:4],centers=k,nstart=5)  
inertie.expl[k] <-clus$betweenss/clus$totss
}
#graphique : 3 est bien l'optimum...
plot(1:10,inertie.expl,type="b",xlab="Nb. de groupes",ylab="% inertie expliquée")



#------------------------ THE END ----------------------------#