Réaliser une ACP en R

Algèbre linéaire pour la data science en R

Eric Eager

Data Scientist at Pro Football Focus

Données du NFL Combine

head(select(combine, height:shuttle))
  height weight forty vertical bench broad_jump three_cone shuttle
1     71    192  4.38     35.0    14        127       6.71    3.98
2     73    298  5.34     26.5    27         99       7.81    4.71
3     77    256  4.67     31.0    17        113       7.34    4.38
4     74    198  4.34     41.0    16        131       6.56    4.03
5     76    257  4.87     30.0    20        118       7.12    4.23
6     78    262  4.60     38.5    18        128       7.53    4.48
Algèbre linéaire pour la data science en R

Données du NFL Combine

prcomp(A)
Écarts types (1, .., p=8):
[1] 46.7720885  6.6356959  4.7108443  2.2950226  1.6430770  0.2513368  0.1216908  0.1143365

Rotation (n x k) = (8 x 8):
                    PC1          PC2           PC3           PC4          PC5          PC6           PC7           PC8
height      0.042047079 -0.061885367  0.1454490039 -0.1040556410 -0.980792060  0.020679696 -6.155636e-03  0.0008055445
weight      0.980711529 -0.130912788  0.1270100265  0.0193388930  0.066908382 -0.008423587  6.988341e-04  0.0036087841
forty       0.006112061  0.012525260  0.0025260713 -0.0021291637  0.004096693  0.152469227 -2.539868e-01 -0.9549983725
vertical   -0.062926466 -0.333556369  0.0398922845  0.9366594549 -0.074901137  0.012214516  7.045063e-03 -0.0070051256
bench       0.088291423 -0.313533433 -0.9363461471 -0.0745692157 -0.107188391  0.009167322 -8.604309e-05 -0.0048308793
broad_jump -0.156742686 -0.876925849  0.2904565302 -0.3252903706  0.126494599  0.013753112 -2.187651e-03 -0.0076907609
three_cone  0.007468520  0.014691994  0.0009057581  0.0003320888  0.020902644  0.894560357 -3.743559e-01  0.2427137770
shuttle     0.004518826  0.009863931  0.0023111814 -0.0094052914  0.004010629  0.419039274  8.917710e-01 -0.1700673446
Algèbre linéaire pour la data science en R

Données du NFL Combine

summary(prcomp(A))
Importance des composantes :
                           PC1     PC2     PC3     PC4     PC5     PC6     PC7     PC8
Écart type             46.7721 6.63570 4.71084 2.29502 1.64308 0.25134 0.12169 0.11434
Part de variance        0.9672 0.01947 0.00981 0.00233 0.00119 0.00003 0.00001 0.00001
Proportion cumulée      0.9672 0.98663 0.99644 0.99877 0.99996 0.99999 0.99999 1.00000
Algèbre linéaire pour la data science en R
head(prcomp(A)$x[, 1:2])
            PC1        PC2
[1,] -62.005067  -2.654645
[2,]  48.123290   6.693433
[3,]   3.732016   1.283046
[4,] -56.823742  -9.764098
[5,]   4.213670  -3.779862
[6,]   6.924978 -15.530509
head(cbind(combine[, 1:4], prcomp(A)$x[, 1:2]))
             player position       school year        PC1        PC2
1   Jaire Alexander       CB   Louisville 2018 -62.005067  -2.654645
2       Brian Allen        C Michigan St. 2018  48.123290   6.693433
3      Mark Andrews       TE     Oklahoma 2018   3.732016   1.283046
4         Troy Apke        S     Penn St. 2018 -56.823742  -9.764098
5 Dorance Armstrong     EDGE       Kansas 2018   4.213670  -3.779862
6         Ade Aruna       DE       Tulane 2018   6.924978 -15.530509
Algèbre linéaire pour la data science en R

Que faire après une ACP

  • Préparation des données / contrôle qualité
  • Visualisation des données
  • Apprentissage non supervisé (clustering)
  • Apprentissage supervisé (prédiction ou explication)
  • Et bien plus encore !
Algèbre linéaire pour la data science en R

Exemple : visualisation des données

Algèbre linéaire pour la data science en R

Passons à la pratique !

Algèbre linéaire pour la data science en R

Preparing Video For Download...