#################### TD ACP exercice 2,  2018 #################
########## UE 7 (Statistiques), Master SVS ####################
########## Patrick Coquillard, 2019        ####################
########## exemple emprunte en partie à    ####################
###########Ricco.Rakotomalala (univ. lyon 2)###################
 
from <- read.table(file.choose(),sep="\t",header =T, row.names=1)
summary(from)
head(from)   

# noter la coorelation lipides x calories
# noter les groupes proteines x cholesterol  
pairs(from)


#centrage réduction des données
#pour éviter que variables à forte variance pèsent indûment sur les résultats
from.cr <-scale(from,center=T,scale=T)
from.cr

#matrice des distances entre individus
d.from<-dist(from.cr)

#CAH -critère de Ward
#method= «ward.D2» correspond au vrai critère de Ward
#utilisant le carré de la distance
cah.ward<-hclust(d.from,method="ward.D2")

#affichage dendrogramme
plot(cah.ward)


#dendrogramme avec matérialisation des groupes
rect.hclust(cah.ward,k=4)

#découpage en 4 groupes
groupes.cah <-cutree(cah.ward,k=4)

#liste des groupes
print(sort(groupes.cah))

#k-meansavec les données centrées et réduites
#center = 4 -nombre de groupes demandés
#nstart= 5 -nombre d'essais avec différents individus de départ
#parce que les résultats sont dépendants de l’initialisation

groupes.kmeans<-kmeans(from.cr,centers=4,nstart=5)

#affichage des résultats
print(groupes.kmeans)

#correspondance avec les groupes de la CAH
# peut varier d'un ordinateur à l'autre
# voyez-vous pourquoi ?

print(table(groupes.cah,groupes.kmeans$cluster))

#----------------après une ACP-----------------------
#--A voir avec Mr Bailly-Bechet----------------------
#----------------------------------------------------
# FactoMineR developpe par                 
# F. Husson, J. Josse, S. Lê  et J. Mazet. 
#-------------------------------------------------------------#
# verifier que FactoMineR est installee
# sinon  install.packages("FactoMineR", dependencies = TRUE)
# puis eventuellement le R commander :
# install.packages("Rcmdr", dependencies = TRUE)
# voir un descriptif (tutorial)  du Rcommander
# avant toute utilisation
# http://sebastien.ledien.free.fr/unofficial_factominer/index_fr.html
#--------------------------------------------------------------#
library(FactoMineR)

# On fait une ACP
res.pca <- PCA(from, scale.unit = TRUE)

# La function dimdesc() indique les variables et  categories les plus
# caractéristiques par rapport aux dimmensions résultantes d'une PCA (ou autre)
lapply(dimdesc(res.pca),lapply,round,3)

#Puis on calcule une matrice de distance à partir des coordonnees factorielles
d.from <- dist(res.pca$ind$coord)
d.from

# et maintenant le dendrogramme
cah.ward <- hclust(d.from, method = "ward.D2")  #distance de ward
plot(cah.ward)

# comparez avec :
cah.upgma <- hclust(d.from, method = "average")  #UPGMA
plot(cah.upgma)

####------------------------------------------------------#####