Scribd
Importer
315 vues13 pages

Introduction à l'Analyse en Composantes Principales

L'analyse en composantes principales est une méthode statistique multivariée qui vise à réduire le nombre de variables et à décrire les similitudes entre individus. Elle cherche les corrélations entre variables pour les regrouper en composantes principales représentant les principales dimensions des données.

Transféré par

Karima Jaffali
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
315 vues13 pages

Introduction à l'Analyse en Composantes Principales

L'analyse en composantes principales est une méthode statistique multivariée qui vise à réduire le nombre de variables et à décrire les similitudes entre individus. Elle cherche les corrélations entre variables pour les regrouper en composantes principales représentant les principales dimensions des données.

Transféré par

Karima Jaffali
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

Analyse en Composante

Principale (ACP)

Taoufik ZAGOUB
Introduction

 L'analyse en composantes principales est une


méthode d'analyse des données multivariées. Elle
permet de décrire et d'explorer les relations qui
existent entre plusieurs variables simultanément à la
différence des méthodes bi-variées qui étudient les
relations supposées entre deux variables.
 La procédure s'appuie sur un tableau
caractéristiques (c-a-d variables X individus). On
cherche un nombre plus réduit de variables pour
décrire efficacement les phénomènes structurant
d'un groupe de données.
Introduction

On recherche donc les corrélations qui existent entre


les différentes variables, pour rapprocher au sein de
"composantes" les variables les plus proche entre
elles. On regroupe donc les variables pour qu'elles
"composent" des dimensions dans le but de réduire
le nombre de caractéristiques décrivant les individus
afin de mieux interpréter les données. Les
"composantes" sont en quelque sorte des "méta-
variables"
Introduction

En pratique chaque dimension est définie par


la meilleure combinaison linéaire de
variables expliquant la variance non
expliquée par la dimension précédente.
Introduction (données)

n individus observés sur p variables quantitatives.


Tableau de données n ligne (les individus) et p
colonnes (les variables)
(L’A.C.P. permet d’explorer les liaisons entre
variables et les ressemblances entre individus.)
Introduction (Résultats de l’ACP)

 Visualisation des individus


(Notion de distances entre individus
(distance euclidienne)

 Visualisation des variables


(en fonction de leurs corrélations (matrice de
corrélation entre les variables)
Introduction (Interprétation des
résultats)

1) Mesurer la qualité des représentations


obtenues :
*critère global
*critères individuels
2) Donner des noms aux axes
Expliquer la position des individus
3) Utilisation éventuelle de variables
supplémentaires
* Illustrative
Principe de ACP

On cherche une représentation des n individus,


dans un sous-espace Fk de IRp de dimension k
( k petit 2, 3)

Autrement dit, on cherche à définir k nouvelles


variables combinaisons linéaires des p
variables initiales qui feront perdre le moins
d’information possible.
Principe de ACP

*Les variables seront appelées «composantes


principales»
*Les axes qu’elles déterminent : «axes
principaux»
*Les formes linéaires associées : «facteurs
principaux»
Principe de ACP
Données

p variables quantitatives observées sur n


individus
Dans un tableau de cette forme
Données

On cherche à représenter le nuage des


individus.
A chaque individu noté ei , on peut associer un
point dans IRp = espace des individus.
A chaque variable du tableau X est associé un
axe de IRp.
Données (exemple de 3 Axes)

Vous aimerez peut-être aussi