Carto discrétisation

Amplitude égale

classe constante

Avantage :

• Adapté pour les distributions uniformes

Inconvénient :

• Si la distribution est trop déséquilibré, peut créer des classes vide

Progression arithmétique

Avantage :

• Utile pour mieux différentier les faibles valeurs dans une distribution asymétrique

• Les grandes valeurs sont regroupées dans les dernières classes

Inconvénient :

• Peut produire des classes vides

Progression géométrique

écart de plus en plus grand

(Log)

avantage :

• Facile à construire et interpréter

Inconvénients :

• Ne convient pas si la distribution est trop dissymétrique

Approche mathématique

• Amplitudes égales

• Progression arithmétique

• Progression géométrique

Approche statistique

• Quantiles

• Moyenne et écart-type

• moyenne emboitées

Quantiles

Répartition égales du nombre de données dans chaque classe

Avantage :

• Visuellement équilibrée

• Méthode simple et visible

Inconvénient :

• Ne respecte pas toujours les ruptures réelles de la distribution (valeur proche séparée et valeur éloignée regroupée)

Moyenne et écart-type

Les classes sont construites autour de la moyenne et de l’écart-type

Avantage :

• Fonction avec n’importe quel type de distribution

• Limites des classes = Valeurs réelles

Inconvénients :

• Nombre d’observation différent par classe

• Déséquilibre entre classes

• Les valeurs extrêmes sont masquées

Moyennes emboitées

On coupe la distribution à la moyenne, puis on recalcule les moyennes des sous-groupes

Avantage :

• Si il n’y a pas de valeurs extrêmes, on se rapproche d’une discrétisation par quantile

• Sil la distribution est très asymétrique, on se rapproche d’une discrétisation par progression géométrique

Inconvénients :

Sensible au rupture forte → la moyenne n’a plus de sens

Jenks (seuils naturels)

cherche à minimiser la variance intra-classe et maximiser la variance inter-classe

Avantage :

• Identifie les ruptures de la distribution

Inconvénients :

Instable quand on augmente le nombre de classe