[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
Commit	Line	Data
	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