@patrickdidier91 : la relation de passage, c'est la normalisation des données : 1/ centrage de la moyenne sur 0 (translation), 2/ division par l'écart type pour obtenir un écart type de 1. C'est pour chaque colonne. Cela se fait par exemple avec le StandardScaler de Scikit-Learn. C'est important pour certains algorithmes qui biaisent leurs prédictions en fonction des ordres de grandeur des variables. Attention, 1/ ce n'est pas le cas pour tous les algorithmes, 2/ l'opération introduit du bruit. Il faut donc lire la documentation de chaque algorithme et sous-peser empiriquement l'avec et sans normalisation. Dernier conseil : coupler la normalisation et ton algo ml dans le cadre d'un pipeline, cela sécurisera ton affaire.

Bonjour Franck

Merci pour ta réponse j'ai compris

scale c'est parfait

A bientôt

Bonjour,

dans la partie "En pratique" du chapitre "Comprenez l'enjeu de l'analyse en composantes principales"  si je reproduis le code proposé

j'obtiens le résultat suivant. je ne comprends pas pourquoi l'écart type n'est pas égal à 1 ?

Merci

Benjamin

	0	1	2	3
count	3.00	3.00	3.00	3.00
mean	0.00	0.00	0.00	0.00
std	1.22	1.22	1.22	1.22
min	-1.41	-0.73	-0.95	-1.41
25%	-0.35	-0.71	-0.69	-0.40
50%	0.71	-0.69	-0.43	0.60
75%	0.71	0.36	0.48	0.70
max	0.71	1.41	1.38	0.81