Aller au contenu

Analyse en Composantes Principales avec Python

Analyse en composantes principales python L'analyse en composantes principales (ACP) est une technique statistique utilisée pour réduire la dimensionnalité des données tout en conservant le maximum d'information. Cet article explique comment réaliser une ACP en utilisant Python, en se basant sur des données de véhicules.

D'après le document Analyse en Composantes Principales avec Python

Cet article a été rédigé automatiquement à partir du document source, puis vérifié avant publication.

Document source

Analyse en Composantes Principales avec Python

Data Science / Statistical Analysis · PDF · 15 pages · 2000

Afficher l'aperçu du document

Consulter le document original →

Analyse en composantes principales python

L'analyse en composantes principales (ACP) est une technique statistique utilisée pour réduire la dimensionnalité des données tout en conservant le maximum d'information. Cet article explique comment réaliser une ACP en utilisant Python, en se basant sur des données de véhicules. Vous apprendrez à importer les données, à les préparer, à exécuter l'ACP et à interpréter les résultats, avec des exemples pratiques à chaque étape.

Données pour l'ACP

Les données utilisées proviennent de l'ouvrage de Gilbert Saporta, qui est une référence en analyse de données. Elles décrivent 18 véhicules à l'aide de 6 variables :

  • CYL : Cylindrée
  • PUISS : Puissance
  • LONG : Longueur
  • LARG : Largeur
  • POIDS : Poids
  • V_MAX : Vitesse maximale

Voici un extrait des données :

Modele              CYL   PUISS   LONG   LARG   POIDS   V_MAX
Alfasud TI         1350   79     393    165    870     161
Audi 100          1588   85     468    160   1110     177
Simca 1300        1294   68     424    152   1050     168
Citroen GS Club   1222   59     412    151    930     161
Fiat 132          1585   98     439    165   1105     164

Préparation des données pour l'ACP

Importation des données

Pour commencer, nous importons le tableau des individus et des variables actifs en utilisant la librairie Pandas. Il est important de vérifier la version de Pandas utilisée, car certaines options peuvent changer.

import os
os.chdir("… votre dossier de travail …")

import pandas
print(pandas.version)  # 0.23.0

X = pandas.read_excel("autos_acp_pour_python.xlsx", sheet_name=0, header=0, index_col=0)
print(X.shape)  # (18, 6)

Nous avons maintenant un tableau de dimensions (18, 6), ce qui signifie qu'il y a 18 observations et 6 variables.

Centrage et réduction des données

Avant de procéder à l'ACP, il est nécessaire de centrer et réduire les variables. Nous utilisons la classe StandardScaler de scikit-learn pour cela. Vérifiez également la version de scikit-learn.

import sklearn
print(sklearn.version)  # 0.19.1

from sklearn.preprocessing import StandardScaler
sc = StandardScaler()
Z = sc.fit_transform(X)
print(Z)

Après transformation, les moyennes des variables doivent être nulles et les écarts-types doivent être unitaires.

import numpy
print(numpy.mean(Z, axis=0))  # Vérification des moyennes
print(numpy.std(Z, axis=0, ddof=0))  # Vérification des écarts-types

Analyse en composantes principales avec PCA

Nous allons maintenant instancier l'objet PCA et lancer les calculs. Le paramètre svd_solver='full' indique que nous utilisons l'algorithme exact pour la décomposition.

from sklearn.decomposition import PCA
acp = PCA(svd_solver='full')
coord = acp.fit_transform(Z)
print(acp.n_components_)  # 6

Nous avons calculé 6 composantes, correspondant au nombre de variables.

Valeurs propres et variance expliquée

Les valeurs propres associées aux axes factoriels peuvent être récupérées ainsi :

print(acp.explained_variance_)  # Valeurs propres
eigval = (n-1)/n * acp.explained_variance_
print(eigval)  # Valeurs propres corrigées

Nous pouvons également afficher le ratio de variance expliquée :

print(acp.explained_variance_ratio_)  # Proportions de variance expliquée

La première composante explique 73.68% de la variance, tandis que les deux premières composantes expliquent 87.94% de la variance totale.

Visualisation des résultats

Pour visualiser les résultats, nous pouvons créer un scree plot pour observer les valeurs propres :

import matplotlib.pyplot as plt
plt.plot(numpy.arange(1, p+1), eigval)
plt.title("Scree plot")
plt.ylabel("Eigen values")
plt.xlabel("Factor number")
plt.show()

Représentation des individus

Pour représenter les individus dans le premier plan factoriel, nous utilisons les coordonnées factorielles obtenues :

fig, axes = plt.subplots(figsize=(12, 12))
axes.set_xlim(-6, 6)
axes.set_ylim(-6, 6)

for i in range(n):
    plt.annotate(X.index[i], (coord[i, 0], coord[i, 1]))

plt.plot([-6, 6], [0, 0], color='silver', linestyle='-', linewidth=1)
plt.plot([0, 0], [-6, 6], color='silver', linestyle='-', linewidth=1)
plt.show()

Qualité de représentation

Pour évaluer la qualité de représentation des individus, nous calculons les COS² :

di = numpy.sum(Z**2, axis=1)
cos2 = coord**2
for j in range(p):
    cos2[:, j] = cos2[:, j] / di
print(pandas.DataFrame({'id': X.index, 'COS2_1': cos2[:, 0], 'COS2_2': cos2[:, 1]}))

Key takeaways

  • L'ACP permet de réduire la dimensionnalité tout en conservant l'information essentielle.
  • Le centrage et la réduction des données sont cruciaux avant de procéder à l'ACP.
  • Les valeurs propres et le ratio de variance expliquée aident à déterminer l'importance des composantes.

Glossaire

  • ACP : Analyse en Composantes Principales
  • PCA : Principal Component Analysis
  • StandardScaler : Classe pour centrer et réduire les données
  • Eigen values : Valeurs propres associées aux axes factoriels

Questions fréquentes

Qu'est-ce que l'ACP ?

L'ACP est une méthode statistique qui permet de réduire la dimensionnalité des données tout en préservant autant que possible la variance des données initiales.

Comment préparer les données pour l'ACP ?

Il est essentiel de centrer et réduire les données avant de réaliser une ACP. Cela permet d'assurer que chaque variable contribue de manière équitable à l'analyse.

Comment interpréter les valeurs propres en ACP ?

Les valeurs propres indiquent la quantité de variance expliquée par chaque composante. Une valeur propre élevée signifie que la composante correspondante explique une grande partie de la variance des données.

Quels outils utiliser pour réaliser une ACP en Python ?

Les bibliothèques Pandas pour la manipulation des données et scikit-learn pour l'ACP sont les plus couramment utilisées.

Partager

Commentaires

Aucun commentaire pour le moment. Posez la première question.

Les commentaires sont relus avant publication. Votre e-mail n'est jamais affiché.

← Toutes les révisions