TODO

   1 simulateur : complètement aléatoire ? from Irish dataset ?
   2 wmtsa : wavBootstrap
   3 wavelets methods in statistics with R - p180
   4
   5 Essayer distance wdist du package biwavelet ?
   6
   7 geometric structure of high dim data and dim reduction 2011
   8
   9 Piste à explorer pour les comparaisons: H20
  10
  11 #https://stat.ethz.ch/pipermail/r-help/2011-June/280133.html
  12 #randCov = function(d)
  13 #{
  14 #   x <- matrix(rnorm(d*d), nrow=d)
  15 #   x <- x / sqrt(rowSums(x^2))
  16 #   x %*% t(x)
  17 #}
  18
  19 #TODO: map-reduce more appropriate R/clustering.R ligne 88
  20
  21 #TODO: use dbs(),
  22 #https://www.r-bloggers.com/debugging-parallel-code-with-dbs/
  23 #http://gforge.se/2015/02/how-to-go-parallel-in-r-basics-tips/
  24
  25 PLOT:
  26 plot manifold 2D distances WER /
  27 fenetre tempo forme des courbes /
  28 medoids /
  29 gain en prevision: clust puis full --> enercast
  30
  31 -------
  32
  33 Voici le code :
  34
  35 library(epclust)
  36
  37 n <- 5
  38 N <- 128
  39 M <- matrix(runif(n * N), nrow = n) #séries en lignes
  40 M <- t(apply(M, 1, cumsum)) / sqrt(n * N)
  41 matplot(t(M), type = 'l', lty = 1)
  42
  43 dists3a <- computeWerDists(1:n, function(inds) M[,inds], n)
  44
  45 # je passe de distance Wer à corrélations : moralement tout est à 0
  46 summary((1 - dists3a[lower.tri(dists3a)]^2) / N / n)
  47
  48 # or, les courbes sont très similaires, nous devrions être proche de 1 !
  49 corM <- cor(t(M))
  50 summary(corM[lower.tri(corM)])
  51
  52 #si pas lissage --> on doit trouver 1 : TOCHECK
  53 #regarder biwavelets smooth.wavelet : s'en inspirer