Variance expliquée

Dans cet exercice, vous allez produire des diagrammes d'éboulis (scree plots) montrant la proportion de variance expliquée à mesure que le nombre de composantes principales augmente. Les données issues de l'ACP doivent être préparées pour ces graphiques, puisqu'il n'existe pas de fonction intégrée dans R pour les créer directement à partir du modèle d'ACP.

En examinant ces graphiques, demandez-vous s'il y a un « coude » dans la variance expliquée qui vous amènerait à choisir un nombre naturel de composantes principales. Si aucun coude évident n'apparaît, comme c'est souvent le cas avec des jeux de données réels, réfléchissez à d'autres façons de déterminer combien de composantes principales conserver à partir du diagramme d'éboulis.

Cette activité fait partie du cours

Apprentissage non supervisé en R

Voir le cours

Instructions de l’exercice

Les variables que vous avez créées plus tôt, wisc.data, diagnosis et wisc.pr, sont toujours disponibles.

Calculez la variance de chaque composante principale en élevant au carré l'élément sdev de wisc.pr. Enregistrez le résultat dans un objet nommé pr.var.
Calculez la variance expliquée par chaque composante principale en divisant par la variance totale expliquée de l'ensemble des composantes principales. Assignez cela à une variable appelée pve.
Créez un graphique de la variance expliquée pour chaque composante principale.
À l'aide de la fonction cumsum(), créez un graphique de la proportion cumulative de variance expliquée.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Set up 1 x 2 plotting grid
par(mfrow = c(1, 2))

# Calculate variability of each component


# Variance explained by each principal component: pve


# Plot variance explained for each principal component
plot(___, xlab = "Principal Component", 
     ylab = "Proportion of Variance Explained", 
     ylim = c(0, 1), type = "b")

# Plot cumulative proportion of variance explained
plot(___, xlab = "Principal Component", 
     ylab = "Cumulative Proportion of Variance Explained", 
     ylim = c(0, 1), type = "b")

Modifier et exécuter le code