Résumé. Parmi les outils de visualisation de données multidimensionnelles figurent d’une part les méthodes fondées sur la décomposition aux valeurs singulières, et d’autre part les méthodes de classification, incluant les cartes auto-organisées de Kohonen. Comment valider ces visualisations ? On présente sept procédures de validation par bootstrap qui dépendent des données, des hypothèses, des outils : a) le bootstrap partiel, qui considère les réplications comme des variables supplémentaires; b) le bootstrap total de type 1, qui réanalyse les réplications avec changements éventuels de signes des axes; c) le bootstrap total de type 2 qui corrige aussi les interversions d’axes; d) le bootstrap total de type 3, sur lequel on insistera, qui corrige les réplications par rotations procrustéenne; e) le bootstrap spécifique (cas des hiérarchies d’individus statistiques et des données textuelles). f) le bootstrap sur variables. g) les extensions des procédures précédentes à certaines cartes auto-organisées.
[1]
Frederic Chateau,et al.
Assessing Sample Variability in the Visualization Techniques Related to Principal Component Analysis: Bootstrap and Alternative Simulation Methods
,
1996
.
[2]
Joe Whittaker,et al.
Application of the Parametric Bootstrap to Models that Incorporate a Singular Value Decomposition
,
1995
.
[3]
Léopold Simar,et al.
Computer Intensive Methods in Statistics
,
1994
.
[4]
Ludovic Lebart.
Assessing self organizing maps via contiguity analysis
,
2006,
Neural Networks.
[5]
Ludovic Lebart,et al.
Statistique exploratoire multidimensionnelle : visualisations et inférences en fouille de données
,
2006
.
[6]
M. Kenward,et al.
An Introduction to the Bootstrap
,
2007
.
[7]
R. Clarke,et al.
Theory and Applications of Correspondence Analysis
,
1985
.