Discussion :

[abidineb]

Bonjour tout le monde.

Je travaille en ce moment sur l'Analyse en Composantes Principales (ACP). Cette méthode est utilisée pour la réduction de la dimension. Comment puis-je comprendre comment différents auteurs obtiennent des graphes de taux de classification correcte avec l'ACP. Et cette dernière est loin d’être une méthode de classification.

Merci.
Cordialement

[bertry]

Salut,

D'après mes cours : La PCA n'est pas une méthode de classification. Elle est utilisée pour : la compression de données, accélérer les algos d'apprentissage artificiel, ainsi que pour pouvoir visualiser des donner en 2 ou 3D.
D'après cela, tu peux l'incorporer dans un algo de classification pour réduire le volume des données que traitera ton algo : tu appliques la PCA sur tes données, puis tu applique ton algo de classification sur le résultat de la PCA.

[Alexis.M]

Sans référence vers les publications que tu évoques il est difficile de te répondre précisément, mais l'utilisation de l'ACP peut se révéler utile pour la classification dans au moins deux cas:

1- La "polarité" des données est organisée selon l'axe principale. Dans ce cas projeter les donnée sur cette axe et seuillé peut aider à une classification.
2- La PCA peut parfois être utile pour des problèmes où il faut déterminer si deux éléments appartiennent à la même classe (sans connaître celle-ci) basée sur une mesure de distance.
Dans ce cas effectuer une ACP avec "blanchissage" (division de chaque composante par la racine carrée de la valeur propre associée) peut grandement amélioré une classification basée sur un seuillage des distances. Voir par exemple :

http://research.microsoft.com/en-us/...0_FaceReco.pdf

[abidineb]

Bonjour
Tres bien, je suis tout a fait d'accord avec vous. Merci, donc il faut la combiner avec un classificateur pour qu'on puisse classifier les données.
Merci pour la confirmation.

Cordialement.

[abidineb]

Bonjour

Merci beaucoup. Problème résolu.

Cordialement