Appliquer 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 : importer les bibliothèques et le 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 : standardiser les données

PCA est sensible à l’échelle des données ; nous les standardiserons donc à l’aide de StandardScaler :

from sklearn.preprocessing import StandardScaler

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

Étape 3 : appliquer PCA

Nous appliquons PCA afin de 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 : visualiser les 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 : interpréter les résultats de PCA

La représentation 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 présente plusieurs avantages :

• Réduit la dimensionnalité 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 de PCA

PCA présente notamment les limites suivantes :

• Perte d’interprétabilité des caractéristiques transformées.
• Sensibilité à la mise à l’échelle des caractéristiques.
• Peut ne pas représenter les relations complexes et non linéaires des 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 en 2D.
• Examiné les avantages et les difficultés de PCA.

Ensuite, nous découvrirons des concepts avancés d’apprentissage profond, en commençant par les réseaux neuronaux artificiels.