TP Analyse en Composantes Principales (ACP)
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.
D'après le document TP Analyse en Composantes Principales (ACP)
Cet article a été rédigé automatiquement à partir du document source, puis vérifié avant publication.
Document source
Data Analysis and Principal Component Analysis (PCA) · PDF · 7 pages
Afficher l'aperçu du document
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,factoextraetggplot2installés. - Des connaissances de base en statistiques et en R.
- Le fichier de données
cars.xlsdisponible 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
mpga une forte corrélation négative aveccylinders,displacement,Horsepoweretweight. - Il existe une corrélation relativement moyenne entre
mpgetacceleration(0.42) et entrempgetyear(0.58). - Une forte corrélation positive est observée entre
cylindersetdisplacement(0.950),horsepower(0.84) etweight(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.
Commentaires
Aucun commentaire pour le moment. Posez la première question.