Récapitulatif

Réduction de dimension en R

Matt Pickard

Owner, Pickard Predictives, LLC

Chapitre 1 - Réduction de dimension, information des variables

• Information : valeurs manquantes, faible variance et corrélation
• Gain d'information et importance des variables
• Malédiction de la dimensionnalité

Chapitre 2 - Sélection de variables non supervisée

• Sélection vs extraction de variables
• Sélection non supervisée :
  • filtre sur le taux de valeurs manquantes
  • filtre de faible variance
  • filtre de corrélation
• Étapes de recettes tidymodels

Sélection de variables

Extraction de variables

Chapitre 3 - Sélection de variables supervisée

• Rappel : création de modèles avec tidymodels
• Méthodes supervisées : régression lasso, random forest
• Évaluation des performances du modèle réduit

Chapitre 4 - Extraction de variables

• Composantes principales et vecteurs de caractéristiques
• Analyse en composantes principales
• t-SNE
• UMAP

Félicitations !

Réduction de dimension en R