��a$�,8�97��	'-	3U	 �	2�	9�	1
?I
5�
?�
$�
M$&r�)��C�@7$x<�;�!
 8
8Y
J�
-�
�4�V�>U<��LQ2�.�+2,;_6�?�BTUG�E�K82�>�v�/m,�;�184T8�7�0�8+-d5�)�M�6@0w��$�/F`y%�B�"�&"7I ��/�1�\5nF�#�2:B})�'��!�G
�a@�$8$]4�I� 
>"EaJ�G�4: Ko )� c� (I!r!-�! �!C�!B")\"K�"Q�"+$#'P#Xx#m�#M?$
�$I�%p�%XQ&B�&��&cs'R�'O*(Hz(V�(Y)Kt)X�)Y*es*`�*R:+e�+<�+E0,�v,O-3W-7�-B�-.;&.9b.E�.R�.K5/L�/:�//	0`90;�07�0+1:1,P1}1�1�1!�1"�1"
2102Mb2E�25�2H,3#u3�3@�3D�3w54D�4U�4)H5=r5R�5#6J'6Jr6�6@�6
=[
S0NYR7^/< H@1IB2,WL5]!;G*%T6A_9+U\Q
Z(E	O`K4#V&XJ):aD.3P>?"$-CF8'M%d observation (%s) has *only* NAs --> omit them for clustering!%d observations (%s ...) have *only* NAs --> omit them for clustering!%s has constant columns %s; these are standardized to 0%s has invalid column names%s must be in 1:ncol(x)%s must contain column names or numbers'A' must be p x p  cov-matrix defining an ellipsoid'B' has to be a positive integer'col.clus' should have length 4 when color is TRUE'dmatrix' is not a dissimilarity matrix compatible to 'x''full' must be FALSE, TRUE, or a number in [0, 1]'iniMem.p' must be a nonnegative n * k matrix with rowSums == 1'k' (number of clusters) must be in {1,2, .., n/2 -1}'m', a membership matrix, must be nonnegative with rowSums == 1'maxit' must be non-negative integer'medoids' must be NULL or vector of %d distinct indices in {1,2, .., n}, n=%d'memb.exp' must be a finite number > 1'n' must be >= 2'par.method' must be of length 1, 3, or 4'samples' should be at least 1'sampsize' = %d should not be larger than the number of objects, %d'sampsize' should be at least %d = max(2, 1+ number of clusters)'weights' must be of length p (or 1)'x' is a "dist" object, but should be a data matrix or frame'x' is not and cannot be converted to class "dissimilarity"'x' must be numeric  n x p matrix'x' must only have integer codes>>>>> funny case in clusplot.default() -- please report!All variables must be binary (e.g., a factor with 2 levels, both present).Cannot keep data when 'x' is a dissimilarity!Distance computations with NAs: using correct instead of pre-2016 wrong formula.
Use  'correct.d=FALSE'  to get previous results or set 'correct.d=TRUE' explicitly
to suppress this warning.Distances must be result of dist or a square matrix.Each of the random samples contains objects between which no distance can be computed.Error in C routine for the spanning ellipsoid,
 rank problem??FANNY algorithm has not converged in 'maxit' = %d iterationsFor each of the %d samples, at least one object was found which could not be assigned to a cluster (because of missing values).Missing values were displaced by the median of the corresponding variable(s)NA values in the dissimilarity matrix not allowed.NA-values are not allowed in clustering vectorNA-values are not allowed in dist-like 'x'.NA-values in the dissimilarity matrix not allowed.Need either a dissimilarity 'dist' or diss.matrix 'dmatrix'No clustering performed, NA's in dissimilarity matrix.No clustering performed, NA-values in the dissimilarity matrix.No clustering performed, NAs in the computed dissimilarity matrix.No clustering performed, a variable was found with all non missing values identical.No clustering performed, all variables have at least one missing value.No clustering performed, an object was found with all values missing.No clustering performed, found variable with more than half values missing.No valid silhouette information (#{clusters} =? 1)Number of clusters 'k' must be in {1,2, .., n-1}; hence n >= 2Observation %s has *only* NAs --> omit it for clusteringObservations %s have *only* NAs --> omit them for clustering!Set either 'variant' or 'pamonce', but not bothThe clustering vector is of incorrect lengthThe number of cluster should be at least 1 and at most n-1.algorithm possibly not converged in %d iterationsambiguous clustering methodat least one binary variable has more than 2 levels.at least one binary variable has not 2 different levels.at least one binary variable has values not in {0,1,NA}binary variable(s) %s treated as interval scaledclustering 'x' and dissimilarity 'dist' are incompatiblecomputed some negative or all 0 probabilitiesellipsoidPoints() not yet implemented for p >= 3 dim.error from .C(cl_pam, *): invalid medID'sfull silhouette is only available for results of 'clara(*, keep.data = TRUE)'have %d observations, but not more than %d are allowedindex has to be a function or a list of functioninvalid %s; must be named listinvalid 'correct.d'invalid 'jstop' from .C(cl_clara,.):invalid 'silhouette' objectinvalid 'spaceH0':invalid 'twins' objectinvalid clustering methodinvalid partition objectinvalid silhouette structureinvalid type %s for column numbers %smona() needs at least p >= 2 variables (in current implementation)need at least 2 objects to clusterno diss nor data found for clusplot()'no diss nor data found, nor the original argument of %sno points without missing valuesomitting NAsone or more objects contain only missing valuesone or more variables contain only missing valuessetting 'logical' variable %s to type 'asymm'setting 'logical' variables %s to type 'asymm'specified both 'full' and 'subset'; will use 'subset'the memberships are all very close to 1/k. Maybe decrease 'memb.exp' ?the square matrix is not symmetric.when 'medoids.x' is FALSE, 'keep.data' must be toowith mixed variables, metric "gower" is used automaticallyx is not a data matrixx is not a dataframe or a numeric matrix.x is not a numeric dataframe or matrix.x is not numericx must be a matrix or data frame.Project-Id-Version: cluster 1.14.5
PO-Revision-Date: 2021-04-12 18:49+0200
Last-Translator: Philippe Grosjean <[email protected]>
Language-Team: none
Language: fr
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit
X-Generator: Poedit 2.4.2
Plural-Forms: nplurals=2; plural=(n > 1);
%d observation (%s) n'a *que* des NAs --> ignorée pour le regroupement!%d observations (%s) n'ont *que* des NAs --> ignorées pour le regroupement!%s a des colonnes constantes %s ; elles sont standardisées à 0%s a des noms de colonnes incorrects%s doit être compris dans 1:ncol(x)%s doit contenir des noms de colonnes ou des nombres'A doit être une matrice de covariance p x p définissant un ellipsoïde'B' doit être un entier positif'col.clus' doit avoir une longueur de 4 lorsque color est TRUE'dmatrix' n'est pas une matrice de dissimilarité compatible avec 'x''full' doit être parmi FALSE, TRUE, ou un nombre de l’intervalle [0, 1]'iniMem.p' doit être une matrice n * k non négative avec rowSums == 1'k' (nombre de groupes) doit être {1,2,…, n/2 -1}'m', une matrice d'appartenance, doit être non négative avec rowSums == 1'maxit' doit être un entier non négatif'medoids' doit être NULL ou un vecteur de %d valeurs d'indices distincts dans {1, 2, …, n}, n=%d'memb.exp' doit être un nombre fini > 1'n' doit être >= 2'par.method' doit être de longueur 1, 3 ou 4'samples' doit valoir au moins 1'sampsize' = %d ne peut être plus grand que le nombre d'objets, %d'sampsize' doit être au minimum %d = max(2, 1+ nombre de groupes)'weights' doit être de longueur p (ou 1)'x' est un objet "dist", mais il faut une matrice ou un tableau de données'x' n'est pas et ne peux pas être converti en un objet de classe "dissimilarity"'x' doit être une matrice numérique n x p'x' ne doit avoir que des codes entiers>>>>> cas pathologique dans clusplot.default() -- veuillez envoyer un rapport de bogue !Toutes les variables doivent être booléennes (c'est-à-dire, des variables facteur à 2 niveaux présents).Impossible de conserver les données lorsque 'x' est un objet dissimilarity !Calcul de distances avec NAs : utilisation de la formule corrigée à la place de celle d’avant 2016 qui était erronnée.
Utilisez 'correct.d=FALSE' pour obtenir les résultats d'avant, ou indiquez 'correct.d=TRUE' de manière explicite
pour éliminer cet avis.Les distances doivent résulter d'un objet dist ou d'une matrice carrée.Chacun des échantillons aléatoires contient des objets entre lesquels aucune distance ne peut être calculée.Erreur dans la routine C pour obtenir l'ellipsoïde de dispersion,
 problème de rang ??L’algorithme FANNY n'a pas convergé en 'maxit' = %d itérationsDans chacun des %d échantillons, au moins un objet ne peut être assigné à un groupe (parce qu'il contient des valeurs manquantes)Les valeurs manquantes ont été remplacées par la médiane de la ou des variables correspondantesLes valeurs manquantes (NA) ne sont pas admises dans la matrice de dissimilarité.Les valeurs manquantes NA ne sont pas autorisées dans le vecteur d'agrégationLes valeurs manquantes NA ne sont pas autorisées dans 'x' de type dist.Les valeurs manquantes (NA) ne sont pas autorisées dans la matrice de dissimilarité.Il faut soit un objet 'dist' de dissimilarité ou une matrice de dissimilarité 'dmatrix'Aucune agrégation n'est réalisée, NAs dans la matrice de dissimilarité.Aucune agrégation n'est réalisée, présence de NAs dans la matrice de dissimilarité.Aucune agrégation n'a été effectuée, NAs dans la matrice de dissimilarité calculée.Aucune agrégation n'a été effectuée, une variable a toutes ses valeurs non manquantes identiques.Aucune agrégation n'a été effectuée, toutes les variables ont au moins une valeur manquante.Aucune agrégation n'a été effectuée, un objet a toutes ses valeurs manquantes.Aucune agrégation n'a été effectuée, une variable a plus de la moitié de ses valeurs manquantes.Aucune valeur de silhouette n'est correcte (#{groupes} =? 1)Le nombre de groupes 'k' doit être dans {1,2, …, n-1} ; où n >= 2L'observation %s n'a *que* des NAs --> ignorée pour le regroupementLes observations %s n'ont *que* des NAs --> ignorées pour le regroupement!Spécifiez soit 'variant’, soit 'pamonce’, mais pas les deux en même tempsLe vecteur d'agrégation est de longueur incorrecteLe nombre de groupes doit être entre 1 et n-1 compris.l'algorithme n'a vraisemblablement pas convergé en %d itérationsméthode d'agrégation ambigüeune des variables binaires au moins a plus de deux niveaux.une des variables binaires au moins n'a pas deux niveaux.une des variables binaires au moins a des valeurs autres que {0,1,NA}la ou les variables binaires %s sont traitées comme des intervalles standardisésl'agrégation 'x' et la matrice de dissimilarité 'dist' sont incompatiblesdes probabilités négatives ou toutes égales à zéro ont été calculéesellipsoidPoints() pas encore implémenté pour p >= 3 dim.erreur depuis .C(cl_pam, *) : medIDs incorrectsla silhouette complète n'est disponible que pour les résultats de 'clara(*, keep.data = TRUE)'il y a %d observations, mais pas plus de %d sont acceptéesindex doit être une fonction ou une liste de fonctions%s incorrect ; doit être une liste nommée'correct.d' incorrect'jstop' incorrect obtenu de .C(cl_clara,.) :objet 'silhouette' incorrect'spaceH0' incorrect :objet 'twins' incorrectméthode d'agrégation incorrecteobjet de partitionnement incorrectstructure de silhouette incorrectetype invalide %s pour les numéros de colonnes %smona() a besoin d'au moins p >= 2 variables (dans l'implémentation actuelle)au moins deux objets sont nécessaires pour effectuer une agrégationpas de diss ni de données trouvées pour clusplot()'pas de diss ni de données trouvées, ni même l'argument original de %saucun point sans valeurs manquantesvaleurs NAs ignoréesun ou plusieurs objets ne contiennent que des valeurs manquantesune ou plusieurs variables ne contiennent que des valeurs manquantesla variable 'logical' %s est transformée en type 'asymm'les variables 'logical' %s sont transformées en type 'asymm''full' et 'subset' tous deux spécifiés ; utilisation de 'subset’les appartenances sont toutes très proches de 1/k. Essayez en diminuant 'memb.exp' ?la matrice carrée n'est pas symétrique.lorsque 'medoids.x' est FALSE, 'keep.data' doit l'être aussiavec des variables mélangées, la métrique "gower" est utilisée automatiquementx n'est pas une matrice de donnéesx n'est pas un tableau de données (data frame) ni une matrice numérique.x n'est pas un tableau de données (data frame) ou une matrice numérique.x n'est pas numériquex doit être une matrice ou un tableau de données (data frame).