En résumé

Réduction de dimension en R

Matt Pickard

Owner, Pickard Predictives, LLC

Chapitre 1 — Réduction de dimension, information sur les 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 par ratio de valeurs manquantes
  • filtre à faible variance
  • filtre de corrélation
• Étapes de recette tidymodels

Sélection de variables

Extraction de variables

Chapitre 3 — Sélection de variables supervisée

• Rappel : construction de modèles avec tidymodels
• Méthodes supervisées : régression lasso, forêt aléatoire
• Évaluation des modèles réduits

Chapitre 4 — Extraction de variables

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

Félicitations !

Réduction de dimension en R