Application de PCA en Python

Dans cette leçon, nous appliquerons l’analyse en composantes principales (PCA) afin de réduire la dimensionnalité d’un jeu de données. Cela permet de simplifier le jeu de données tout en conservant les informations essentielles.

Présentation du jeu de données

Nous utiliserons le jeu de données Iris, qui contient des mesures de différentes espèces de fleurs :

• Caractéristiques : Longueur du sépale, largeur du sépale, longueur du pétale et largeur du pétale.
• Cible : Espèce (Setosa, Versicolor, Virginica).

Étape 1 : Importation des bibliothèques et du jeu de données

Nous commencerons par importer les bibliothèques nécessaires et charger le jeu de données :

import pandas as pd
from sklearn.datasets import load_iris

# Load Iris dataset
data = load_iris()
X = pd.DataFrame(data.data, columns=data.feature_names)
y = data.target
print(X.head())

Étape 2 : Standardisation des données

PCA est sensible à l'échelle des données. Nous les standardisons donc à l'aide de StandardScaler :

from sklearn.preprocessing import StandardScaler

# Standardize the data
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

Étape 3 : Application de PCA

Nous appliquons PCA pour réduire le jeu de données à 2 composantes principales :

from sklearn.decomposition import PCA

# Apply PCA
pca = PCA(n_components=2)
X_pca = pca.fit_transform(X_scaled)
print(f"Explained Variance Ratio: {pca.explained_variance_ratio_}")

Étape 4 : Visualisation des résultats de PCA

Nous pouvons visualiser le jeu de données transformé dans un espace en 2D afin d'observer comment les espèces sont regroupées :

import matplotlib.pyplot as plt

# Scatter plot of PCA results
plt.scatter(X_pca[:, 0], X_pca[:, 1], c=y, cmap='viridis')
plt.xlabel('Principal Component 1')
plt.ylabel('Principal Component 2')
plt.title('PCA Results')
plt.colorbar(label='Species')
plt.show()

Étape 5 : Interprétation des résultats de PCA

Le graphique de PCA montre comment les données sont réparties dans les dimensions réduites. Les points appartenant à la même espèce ont tendance à se regrouper, ce qui indique un regroupement efficace.

Avantages de PCA

PCA offre plusieurs avantages :

• Réduit la dimension des données, ce qui facilite leur visualisation.
• Élimine le bruit et les caractéristiques redondantes.
• Améliore l'efficacité des calculs pour les grands jeux de données.

Difficultés liées à PCA

Les limites de PCA comprennent notamment :

• La perte d’interprétabilité des caractéristiques transformées.
• La sensibilité à la mise à l’échelle des caractéristiques.
• La possibilité de ne pas représenter les relations complexes et non linéaires dans les données.

Résumé et prochaines étapes

Dans cette leçon, nous avons :

• Appliqué PCA au jeu de données Iris pour réduire sa dimensionnalité.
• Visualisé les résultats et observé le regroupement des espèces dans un espace 2D.
• Examiné les avantages et les difficultés de PCA.

Ensuite, nous explorerons des concepts avancés de l’apprentissage profond, en commençant par les réseaux neuronaux artificiels.