# ==================================
# CAH en R avec le package "cluster"
# ==================================

# Exemple de classification ascendante hiérarchique (CAH), avec les données "food.csv" (Birks 87)
# de préférences alimentaires relatives à 20 aliments pour 16 pays d'Europe en 1987

food = read.table("food.csv", h=T, sep=";",,, "pays") # la colonne "pays" est l'identifiant

food # pour voir...

# Pour faire la CAH, on utilise la procédure "agnes" du package "cluster" qu'il convient
# donc de charger préalablement

library(cluster) # pour charger le package "cluster" supposé déjà installé

# help(agnes) si on veut lire l'aide de la commande "agnes"

cah = agnes(food, diss=FALSE, metric="euclidean", stand=FALSE, method="average")

# ici le tableau est un tableau de données et non un tableau de distances ou de dissimilarités
# la distance à utiliser est la distance euclidienne usuelle
# les variables en colonnes ne sont pas à standardiser
# et la distance entre groupes est la distance moyenne

pltree(cah) # pour voir l'arborescence

# par curiosité, avec la distance "manhattan" (somme des valeurs absolues des différences)
# au lieu de la distance euclidienne entre deux vecteurs

cah2 = agnes(food, diss=FALSE, metric="manhattan", stand=FALSE, method="average")
pltree(cah2)

# pour le fun, la CAH des aliments sur le tableau transposé "foodr.csv"

foodr = read.table("foodr.csv", h=T, sep=";",,, "aliment") # lecture du tableau renversé
cahr = agnes(foodr, diss=FALSE, metric="euclidean", stand=FALSE, method="average")
pltree(cahr)