• 15 hours
  • Medium

Free online content available in this course.

course.header.alt.is_video

course.header.alt.is_certifying

Got it!

Last updated on 12/11/23

TP : Réalisez une ACP

C'est le moment de plonger dans le code !

Nous allons ici analyser les jeux de données que nous avons détaillés dans un précédent chapitre.

Les cours OpenClassrooms

Dans les précédents chapitres, nous avons illustré le cercle des corrélations et la projection des individus à l'aide du jeu de données des cours OpenClassrooms que j'ai suivis (que vous pouvez aussi télécharger au chapitre dédié). 

Vous pouvez travailler directement depuis Google Colab, ou depuis un Jupyter Notebook sur votre machine.

Une fois ce travail terminé, je vous invite à relire rapidement les chapitres précédents. Il seront peut-être plus clairs pour certains :).

Le jeu de données mystère

C'est maintenant le moment de découvrir ce que représente l'échantillon mystère.

Mais cette fois, nous allons changer un peu de configuration... En effet, j'ai, par erreur bien sûr, supprimé des lignes dans mon notebook. Pourriez-vous m'aider à les réécrire ?

Vous pouvez travailler directement depuis Google Colab, ou depuis un Jupyter Notebook sur votre machine.

C'est étrange de travailler sur ce type de dataset, non ?

Oui, et non !

En effet, dans cet échantillon, chaque individu est un point du chat et bien entendu, vous aurez rarement un échantillon statistique où les points seront disposés selon la forme d'un animal ou d'un objet.

Cet échantillon se rapproche plutôt de ce qu'utilisent les personnes qui pratiquent la modélisation 3D (architectes, vidéastes, ingénieurs en mécanique, physiciens, etc.). Mais, depuis le début, nous avons souvent fait le parallèle entre nos nuages de points de statisticiens et l'inertie des objets réels qu'étudient les physiciens.

Et donc ?

Quand vous projetez et visualisez vos données sur F1 et F2, vous faites une projection orthogonale en 2D d'un objet en 3D.

Les 2 graphiques de dispersion que je vous avais donnés dans ce chapitre étaient aussi des projections 2D de points en 3D. Cependant, sur ceux-ci, nous n'arrivions pas à distinguer la forme du chat. Pourquoi ?

Parce que l'ACP a trouvé la meilleure projection : celle qui montre la plus grande inertie.

Autrement dit, si vous voulez prendre une photo de votre chat, le meilleur angle pour avoir le plus de détails possible sera donc de profil, comme vous le voyez ci-dessus :).

Example of certificate of achievement
Example of certificate of achievement