Analyse Discriminante
Analyse Discriminante
Statistical Analysis using Fisher's Iris Dataset · notes
Fiche de révisionRésumé
Rédigée à partir de ce document, puis vérifiée avant publication.
L'analyse discriminante est une méthode statistique utilisée pour classer des observations en différentes catégories. Dans cet article, nous explorerons la définition de l'analyse discriminante, son fonctionnement, ainsi que des exemples pratiques, notamment avec le célèbre jeu de données des iris de Fisher. Les étudiants apprendront à appliquer cette technique à l'aide du logiciel R, en comprenant les étapes clés et les résultats obtenus.
L'analyse discriminante vise à déterminer quelle variable ou combinaison de variables peut prédire la classe d'un individu. Elle est particulièrement utile lorsque les données sont étiquetées et que l'on souhaite prédire la classe d'un nouvel individu. Dans le cas des iris de Fisher, les classes sont les trois espèces florales : iris setosa, iris versicolor et iris virginica.
Le jeu de données des iris de Fisher contient 150 observations, chacune décrivant une fleur d'iris. Les variables mesurées sont :
Chaque espèce est représentée par 50 individus, ce qui permet une analyse équilibrée.
Pour effectuer une analyse discriminante avec R, nous utilisons la fonction lda (Linear Discriminant Analysis). Voici un exemple de code :
res = lda(Species ~ ., data = iris)
Ce code permet de calculer les coefficients des discriminants linéaires et les probabilités a priori des groupes. Les résultats incluent les moyennes des groupes et les coefficients des discriminants linéaires.
Pour illustrer l'analyse discriminante prédictive, considérons la prédiction de la classe d'une fleur avec des coordonnées spécifiques (4.5, 3, 1.5, 0.2). Les scores pour chaque classe sont calculés comme suit :
Score_Setosa = (2.35*4.5) + (2.35*3) + (-1.64*1.5) + (-1.73*0.2) - 86.3
Score_Versicolor = (1.56*4.5) + (0.7*3) + (0.52*1.5) + (0.64*0.2) - 72.85
Score_Virginica = (1.24*4.5) + (0.36*3) + (1.27*1.5) + (2.1*0.2) - 104.36
Les résultats montrent que la fleur appartient à la classe Versicolor, car le score correspondant est le plus élevé.
Voici les éléments essentiels à retenir concernant l'analyse discriminante :
lda dans R permet de réaliser une analyse discriminante.L'analyse discriminante est une méthode statistique qui permet de classer des observations en différentes catégories en fonction de leurs caractéristiques. Elle est utilisée pour prédire la classe d'un nouvel individu à partir de données étiquetées.
Elle fonctionne en calculant des coefficients qui maximisent la séparation entre les différentes classes. Ces coefficients sont utilisés pour prédire la classe d'observations non étiquetées en fonction de leurs caractéristiques mesurées.
Alors que l'analyse discriminante est utilisée pour classer des observations en catégories, la régression est utilisée pour prédire une variable continue. Les deux méthodes ont des applications différentes selon le type de données et les objectifs de l'analyse.
L'analyse discriminante est utilisée dans divers domaines, notamment la biologie, le marketing, et la finance, pour classer des individus en fonction de caractéristiques mesurées et pour prédire des résultats basés sur des données historiques.