Enjeux pratiques avec l'ACP

Apprentissage non supervisé en R

Hank Roark

Senior Data Scientist at Boeing

Enjeux pratiques avec l'ACP

Mettre les données à l'échelle
Valeurs manquantes :
- Supprimer les observations avec des valeurs manquantes
- Imputer / estimer les valeurs manquantes
Données catégorielles :
- Ne pas utiliser les variables catégorielles
- Encoder les variables catégorielles en nombres

Ensemble de données mtcars

data(mtcars)
head(mtcars)

                   mpg cyl disp  hp drat    wt  qsec vs
Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0
Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0
Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1
Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1
Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0
Valiant           18.1   6  225 105 2.76 3.460 20.22  1

Mise à l'échelle

# Les moyennes et écarts types varient beaucoup
round(colMeans(mtcars), 2)

   mpg    cyl   disp     hp   drat     wt   qsec     vs
 20.09   6.19 230.72 146.69   3.60   3.22  17.85   0.44

round(apply(mtcars, 2, sd), 2)

   mpg    cyl   disp     hp   drat     wt   qsec     vs
  6.03   1.79 123.94  68.56   0.53   0.98   1.79   0.50

Importance de la mise à l'échelle des données

comparaison de l'importance des variables avant et après la mise à l'échelle

Mise à l'échelle et ACP en R

prcomp(x, center = TRUE, scale = FALSE)

Passons à la pratique !

Apprentissage non supervisé en R