Aller au contenu

TP Analyse en Composantes Principales (ACP)

Page 1 sur 7Lecteur de document UniversityLib

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

Guide de TP – TP Analyse en Composantes Principales (ACP)

Rédigée à partir de ce document, puis vérifiée avant publication.

Objectifs et prérequis du TP sur l'analyse en composantes principales

Objectifs

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 :

  • Importer et préparer des données pour l'analyse.
  • Effectuer une analyse en composantes principales sur un jeu de données.
  • Interpréter les résultats de l'ACP, y compris les corrélations et les graphiques.

Prérequis

Pour réaliser ce TP, vous aurez besoin des éléments suivants :

  • Un ordinateur avec R et RStudio installés.
  • Les packages FactoMineR, factoextra et ggplot2 installés.
  • Des connaissances de base en statistiques et en R.
  • Le fichier de données cars.xls disponible sur votre machine.

Importer et préparer les données

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)

Centrer et réduire les variables

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)

La matrice de corrélation

Nous calculons la matrice de corrélation pour les données centrées et réduites :

C=cor(cars.cr)

Voici quelques observations sur les corrélations :

  • La consommation mpg a une forte corrélation négative avec cylinders, displacement, Horsepower et weight.
  • Il existe une corrélation relativement moyenne entre mpg et acceleration (0.42) et entre mpg et year (0.58).
  • Une forte corrélation positive est observée entre cylinders et displacement (0.950), horsepower (0.84) et weight (0.89).

Application d’une analyse en composantes principales sur les données

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)

Graphique des éboulis des valeurs propres

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")

Corrélation variables-facteurs

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.

Nuage des individus

Enfin, nous pouvons visualiser les individus :

plot(cars.acp,choix="ind", invisible="quali")

Erreurs fréquentes avec l'analyse en composantes principales

Lors de l'application de l'ACP, plusieurs erreurs peuvent survenir :

  • Ne pas centrer et réduire les données avant l'ACP, ce qui peut fausser les résultats.
  • Inclure des variables non pertinentes ou de type « character » dans l'analyse.
  • Interpréter les résultats sans tenir compte des corrélations entre les variables.

Questions fréquentes

Qu'est-ce que l'analyse en composantes principales ?

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.

Comment interpréter les résultats de l'ACP ?

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.

Quelles sont les erreurs fréquentes en ACP ?

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.

Toutes les révisions