'update'

[epclust.git] / TODO

simulateur : complètement aléatoire ? from Irish dataset ?
wmtsa : wavBootstrap
wavelets methods in statistics with R - p180

Essayer distance wdist du package biwavelet ?

geometric structure of high dim data and dim reduction 2011

Piste à explorer pour les comparaisons: H20

#https://stat.ethz.ch/pipermail/r-help/2011-June/280133.html
#randCov = function(d)
#{
#	x <- matrix(rnorm(d*d), nrow=d)
#	x <- x / sqrt(rowSums(x^2))
#	x %*% t(x)
#}

#TODO: map-reduce more appropriate R/clustering.R ligne 88

#TODO: use dbs(),
#https://www.r-bloggers.com/debugging-parallel-code-with-dbs/
#http://gforge.se/2015/02/how-to-go-parallel-in-r-basics-tips/

PLOT:
plot manifold 2D distances WER /
fenetre tempo forme des courbes /
medoids /
gain en prevision: clust puis full --> enercast

-------

Voici le code :

library(epclust)

n <- 5
N <- 128
M <- matrix(runif(n * N), nrow = n) #séries en lignes
M <- t(apply(M, 1, cumsum)) / sqrt(n * N)
matplot(t(M), type = 'l', lty = 1)

dists3a <- computeWerDists(1:n, function(inds) M[,inds], n)

# je passe de distance Wer à corrélations : moralement tout est à 0
summary((1 - dists3a[lower.tri(dists3a)]^2) / N / n)

# or, les courbes sont très similaires, nous devrions être proche de 1 !
corM <- cor(t(M))
summary(corM[lower.tri(corM)])

#si pas lissage --> on doit trouver 1 : TOCHECK
#regarder biwavelets smooth.wavelet : s'en inspirer