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) vise à enseigner aux étudiants comment importer des données, effectuer des statistiques descriptives, standardiser les variables, construire une matrice de corrélation, et appliquer l'ACP sur un jeu de données.
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 using 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) vise à enseigner aux étudiants comment importer des données, effectuer des statistiques descriptives, standardiser les variables, construire une matrice de corrélation, et appliquer l'ACP sur un jeu de données. À la fin de ce TP, les étudiants devraient être capables de réaliser une ACP et d'interpréter les résultats obtenus.
Prérequis
Pour réaliser ce TP, il est nécessaire d'avoir accès à R et aux packages FactoMineR et factoextra. Les étudiants doivent également avoir des connaissances de base en statistiques et en manipulation de données avec R. Les données utilisées proviennent d'un fichier Excel nommé cars.xls, qui contient des informations sur 394 véhicules.
Importer les données et effectuer des statistiques descriptives
La première étape consiste à importer le fichier cars.xls. Vous pouvez le faire via l'interface graphique ou en utilisant la commande suivante :
cars <- read_excel("D:/BADS/semestre 3/Atelier fouille de données/TP ACP/cars.xls")
Pour visualiser les données, utilisez :
View(cars)
Ensuite, sélectionnez les variables pertinentes pour l'ACP, en excluant la variable name :
cars <- cars[,2:8]
Il est important de vérifier le type de la variable Horsepower, qui doit être modifié si nécessaire :
cars$Horsepower <- strtoi(cars$Horsepower)
Vérifiez les valeurs manquantes dans les données :
sapply(cars,function(x) sum(is.na(x)))
Pour traiter les valeurs manquantes dans la variable Horsepower, remplacez-les par la moyenne :
cars$Horsepower[is.na(cars$Horsepower)] <- mean(cars$Horsepower,na.rm=T)Enfin, vérifiez les résultats avec :
summary(cars)
Centrer et réduire les variables
Avant d'appliquer l'ACP, il est nécessaire de centrer et réduire les variables. Créez une fonction pour standardiser une colonne :
centrage_reduction <- function(x) { return((x-mean(x))/sqrt(var(x))) }
Appliquez cette fonction à toutes les colonnes pertinentes :
cars.cr <- apply(cars[,1:7],2,centrage_reduction)
Vérifiez que les données sont centrées et réduites :
apply(cars.cr,2,mean)
apply(cars.cr,2,var)
Construire la matrice de corrélation
Calculez la matrice de corrélation des données centrées et réduites :
C <- cor(cars.cr)
Analysez les corrélations :
- La consommation
mpga une forte corrélation négative aveccylinders,displacement,Horsepoweretweight. - Une forte corrélation positive existe entre
cylindersetdisplacement,horsepower, etweight. - Les relations entre
weightetmpgmontrent que le poids n'a pas d'impact sur la consommation.
Application d'une analyse en composantes principales sur les données
Pour réaliser l'ACP, installez les packages nécessaires :
install.packages(c("FactoMineR", "factoextra"))install.packages("ggplot2")
Chargez les bibliothèques :
library("ggplot2")
library("FactoMineR")
library("factoextra")
Appliquez l'ACP :
cars.acp <- PCA(cars.cr, scale.unit=TRUE, ncp=7, graph=TRUE)
Pour afficher un résumé de l'ACP :
summary(cars.acp)
print(cars.acp)
Graphique des éboulis des valeurs propres
Pour visualiser les valeurs propres, utilisez :
val.propres <- cars.acp$eig[,1]
plot(1:7,val.propres,type="b",ylab="Valeurs propres",xlab="Composante",main="Scree plot")
Corrélation variables-facteurs
Pour afficher le cercle des corrélations :
plot(cars.acp,choix="var",title="Cercle des corrélations", invisible="quanti.sup")
Analysez les corrélations entre les variables et les dimensions :
Weight,cylinders,horsepower, etdisplacementsont fortement corrélés positivement à la Dim1.MPGest fortement corrélé négativement à la Dim1.Yearest fortement corrélé positivement à Dim2.
Nuage des individus
Pour visualiser le nuage des individus :
plot(cars.acp,choix="ind", invisible="quali")
Erreurs fréquentes en analyse en composantes principales
Lors de la réalisation d'une ACP, plusieurs erreurs peuvent survenir :
- Ne pas traiter les valeurs manquantes correctement, ce qui peut fausser les résultats.
- Oublier de centrer et réduire les données avant l'ACP, ce qui peut affecter l'interprétation des résultats.
- Interpréter les corrélations sans tenir compte de la signification statistique.
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 d'un ensemble de données tout en préservant autant que possible la variance présente dans les données. Elle permet d'identifier des structures sous-jacentes dans les données.
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 se combinent pour former les nouvelles dimensions.
Quels sont les prérequis pour réaliser une ACP ?
Pour réaliser une ACP, il est nécessaire d'avoir des données quantitatives, de connaître les bases de la manipulation de données avec R, et d'avoir accès aux packages FactoMineR et factoextra.
Quelles sont les erreurs fréquentes lors de l'ACP ?
Les erreurs fréquentes incluent le non-traitement des valeurs manquantes, l'oubli de centrer et réduire les données, et une interprétation incorrecte des corrélations sans tenir compte de leur signification statistique.
Commentaires
Aucun commentaire pour le moment. Posez la première question.