Analyse en composantes principales (PCA)

Machine Learning avec caret en R

Zach Mayer

Data Scientist at DataRobot and co-author of caret

Analyse en composantes principales

Combine des variables à faible variance et corrélées
Un seul ensemble de prédicteurs à forte variance, perpendiculaires
Évite la colinéarité (corrélation entre prédicteurs)

PCA : représentation visuelle

La première composante a la variance la plus élevée
La deuxième a la deuxième variance la plus élevée
Et ainsi de suite…

Exemple : données sang-cerveau

Beaucoup de prédicteurs
Plusieurs à faible variance

# Load the blood brain dataset
data(BloodBrain)
names(bbbDescr)[nearZeroVar(bbbDescr)]

[1] "negative"     "peoe_vsa.2.1" "peoe_vsa.3.1"
[4] "a_acid"       "vsa_acid"     "frac.anion7."
[7] "alert"

Exemple : données sang-cerveau

# Basic model
set.seed(42)
data(BloodBrain)
model <- train(
  bbbDescr, 
  logBBB, 
  method = "glm",
  trControl = trainControl(
    method = "cv", number = 10, verbose = TRUE
  ),
  preProcess = c("zv", "center", "scale")
)
min(model$results$RMSE)

1.107702

Exemple : données sang-cerveau

# Remove low-variance predictors
set.seed(42)
data(BloodBrain)
model <- train(
  bbbDescr, 
  logBBB, 
  method = "glm",
  trControl = trainControl(
    method = "cv", number = 10, verbose = TRUE
  ),
  preProcess = c("nzv", "center", "scale")
)
min(model$results$RMSE)

0.9796199

Exemple : données sang-cerveau

# Add PCA
set.seed(42)
data(BloodBrain)
model <- train(
  bbbDescr, 
  logBBB, 
  method = "glm",
  trControl = trainControl(
    method = "cv", number = 10, verbose = TRUE
  ),
  preProcess = c("zv", "center", "scale", "pca")
)
min(model$results$RMSE)

0.9796199

Passons à la pratique !

Machine Learning avec caret en R