TP Analyse en Composantes Principales (ACP)
TP Analyse en Composantes Principales (ACP)
Data Analysis and Principal Component Analysis (PCA) · lab
Voir tous les documents en biologie et santé
Fiche de révisionGuide de TP
Rédigée à partir de ce document, puis vérifiée avant publication.
Ce TP sur l'analyse en composantes principales (ACP) a pour but de vous familiariser avec les étapes de l'ACP, de l'importation des données à l'interprétation des résultats. À la fin de ce TP, vous devriez être capable de :
Pour réaliser ce TP, vous aurez besoin des éléments suivants :
FactoMineR, factoextra et ggplot2 installés.cars.xls disponible sur votre machine.La première étape consiste à importer le fichier cars.xls qui contient les caractéristiques de 394 véhicules. Vous pouvez utiliser l'interface graphique de RStudio ou exécuter la commande suivante :
cars <- read_excel("D:/BADS/semestre 3/Atelier fouille de données/TP ACP/cars.xls")
View(cars)
Après l'importation, il est important de vérifier les types de données. Nous allons sélectionner les variables pertinentes pour l'ACP, en excluant la variable « name » :
cars=cars[,2:8]
Nous constatons que la variable Horsepower est de type « character ». Nous devons donc la convertir en numérique :
cars$Horsepower<-strtoi(cars$Horsepower)
Ensuite, nous vérifions les valeurs manquantes :
sapply(cars,function(x) sum(is.na(x)))
is.na(cars$Horsepower)Pour traiter les valeurs manquantes dans Horsepower, nous remplaçons les valeurs manquantes par la moyenne :
cars$Horsepower[is.na(cars$Horsepower)] <- mean(cars$Horsepower,na.rm=T)
Nous vérifions le résultat avec :
summary(cars)
Avant de procéder à l'ACP, il est nécessaire de centrer et réduire les variables. Nous allons créer une fonction pour standardiser une colonne :
centrage_reduction <- function(x){
return((x-mean(x))/sqrt(var(x)))
}
Nous appliquons cette fonction à nos données :
cars.cr <- apply(cars[,1:7],2,centrage_reduction)
Pour vérifier que les données sont bien centrées et réduites, nous calculons la moyenne et la variance :
apply(cars.cr,2,mean)
apply(cars.cr,2,var)
Nous calculons la matrice de corrélation pour les données centrées et réduites :
C=cor(cars.cr)
Voici quelques observations sur les corrélations :
mpg a une forte corrélation négative avec cylinders, displacement, Horsepower et weight.mpg et acceleration (0.42) et entre mpg et year (0.58).cylinders et displacement (0.950), horsepower (0.84) et weight (0.89).Pour réaliser l'ACP, nous devons d'abord installer les packages nécessaires :
install.packages(c("FactoMineR", "factoextra"))
install.packages("ggplot2")
Ensuite, nous chargeons les bibliothèques :
library("ggplot2")
library("FactoMineR")
library("factoextra")
Nous appliquons l'ACP sur nos données centrées et réduites :
cars.acp <- PCA(cars.cr, scale.unit=TRUE, ncp=7, graph=TRUE)
Pour afficher un résumé de l'ACP, nous utilisons :
summary(cars.acp)
Print(cars.acp)
Nous pouvons visualiser les valeurs propres avec un graphique :
val.propres <- cars.acp$eig[,1]
plot(1:7,val.propres,type="b",ylab="Valeurs propres",xlab="Composante",main="Scree plot")
Pour examiner les corrélations entre les variables et les facteurs, nous traçons le cercle des corrélations :
plot(cars.acp,choix="var",title="Cercle des corrélations", invisible="quanti.sup")
Nous observons que Weight, cylinders, horsepower et displacement sont fortement corrélés positivement à la Dim1, tandis que mpg est fortement corrélée négativement à la Dim1.
Enfin, nous pouvons visualiser les individus :
plot(cars.acp,choix="ind", invisible="quali")
Lors de l'application de l'ACP, plusieurs erreurs peuvent survenir :
L'analyse en composantes principales (ACP) est une méthode statistique utilisée pour réduire la dimensionnalité des données tout en conservant le maximum d'information possible. Elle transforme les variables d'origine en un nouvel ensemble de variables non corrélées appelées composantes principales.
Les résultats de l'ACP peuvent être interprétés à travers les valeurs propres, qui indiquent la quantité de variance expliquée par chaque composante, et les corrélations entre les variables et les composantes, qui montrent comment les variables originales contribuent à chaque composante.
Les erreurs fréquentes incluent l'oubli de centrer et réduire les données, l'inclusion de variables non pertinentes et une mauvaise interprétation des résultats, notamment en négligeant les corrélations entre les variables.