Discussion :

[fafa isfan]

Bonjour

je suis débutante en python et aussi c'est la premiere fois que je fais l'acp nous n'avons pas fais ça en cours je veux réaliser une acp sur une base de données mais je comprend pas comment faire je sais que je dois utiliser la bibliothéque scikit-learn mais le soucis que je comprend pas comment je peux choisir le nombre de composantes

[wiztricks]

Salut,

Il faut commencer par lire la documentation, le guide utilisateur et les exemples associés.
Normalement, les exemples sont orientés "cas d'utilisation": vous en cherchez un qui est similaire à vos traitements et vous essayez de l'adapter.

- W

[fafa isfan]

Merci pour les documents moi je cherche à avoir la représentation des variables sur un plan est ce que vous avez un exemple ??

[Julien N]

Salut,

Je pense qu'avant de se lancer dans l'utilisation de scikit learn, un tuto simple à reproduire serait pas mal. Je trouve celui-ci assez clair. En utilisant des outils simples de numpy on peut reproduire entièrement le tuto pas à pas. Puis le refaire en utilisant directement sklearn.decomposition.PCA. De cette façon on comprend mieux ce que fait cette grosse boite noire et plus important encore on est sûr de bien l'utiliser.

Je ne sais pas vraiment comment choisir le nombre de composantes, si ce n'est en faisant des tests. Si la quantité de données est conséquente, on peut toujours faire l'analyse sur un nombre restreint. Dans le tuto en lien, on voit que les composantes sont plus ou moins importantes en fonction de leur eigen value. Dans le cas de 5 variables, imaginons que 3 ont une valeur proche de 1 et 2 proches de 0.05 (nombres au hasard), alors il est assez simple de supposer que les 3 plus fortes composantes suffiront.. Un test sera toujours nécessaire pour valider ou non l'hypothèse.

J

[fafa isfan]

Merci pour les information je vais suivre ce que vous me dites

[wiztricks]

Je ne sais pas vraiment comment choisir le nombre de composantes, si ce n'est en faisant des tests. Si la quantité de données est conséquente, on peut toujours faire l'analyse sur un nombre restreint. Dans le tuto en lien, on voit que les composantes sont plus ou moins importantes en fonction de leur eigen value.

Ca permet juste de construire un modèle "simple" à partir d'un jeu de données bien choisies.
La difficulté étant que "bien choisir" les données et savoir à quoi doit ressembler le modèle demande un savoir faire "métier". La plupart des exemples sont assez bons pour montrer comment utiliser l'outil numérique mais très superficiels sur la partie "métier": si on a un problème qui sort des exemples données, on va ramer comme une bête pour produire des résultats possiblement dangereux (un modèle qui marche sans correspondre aux réalités).

- W

[fafa isfan]

J'ai lu la documentation que vous m'avez donné j'ai réussit à écrire ce petite code est ce que j'ai bien fais ?

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
#!/usr/bin/python
# -*- coding: utf-8 -*-
#####        importation des bibliothéques          #####
import pickle
import numpy as np 
import matplotlib.pyplot as plt
from scipy import stats
import os
os.sys.path.append('/home1/homedir6/perso/oarcher/prog/python')
from utils.struct import filter_data
import seaborn as sns 
sns.set(context="paper",font="monospace")
import pdb
from sklearn.preprocessing import StandardScaler
from sklearn.feature_selection import SelectKBest
from sklearn.feature_selection import chi2
from sklearn.feature_selection import VarianceThreshold
from sklearn.decomposition import PCA
 
 
 
#####       importation de données   #####
 
data=pickle.load(open("test.pkl","rb"))
 
mesures_names_sec = [ 'Var1','Var2','Var3']
 
l=np.zeros((len(data['Var1']),len(mesures_names_sec)))
for i in range(len(mesures_names_sec)):
    for j in range(len(data['Var1'])):
       l[j][i]= data[mesures_names_sec[i]][j]
 
 
l_new=np.zeros((len(data['Var1']),len(mesures_names_sec)))
for i in range(len(mesures_names_sec)):
    m=np.mean(data[mesures_names_sec[i]],0)
    v=np.std(data[mesures_names_sec[i]],0)
    for j in range(len(data['Var1'])):
       l_new[j][i]= ((data[mesures_names_sec[i]][j]-m)/v)
 
 
pca = PCA(n_components=None)
l_r=pca.fit(l_new)
print (pca.explained_variance_ratio_)
plt.plot(pca.explained_variance_ratio_)
plt.show()