| 

L’analyse en composantes principales comme technique de réduction de la dimensionalité des données

Dates:

15 déc. 2021, 12:00 à 13:00
Sur zoom (le lien vous sera envoyé suite à votre inscription)
Cette activité est en français
Serge Vicente, Ph.D Statistique
Associé de recherche, Université McGill
Chargé de cours
Département de mathématiques et statistique
Université de Montréal
Inscription

L’analyse en composantes principales est une technique statistique développée dans le contexte de données multivariées, dont les origines remontent au début du XXe avec les travaux de Karl Pearson. Technique exploratoire par excellence, son principal but est de réduire un grand ensemble de variables corrélées entre elles à un plus petit ensemble de variables non corrélées, que l’on nomme les composantes principales. Cette réduction permet de capter et résumer l’information contenue dans le jeu de données au moyen de quelques variables uniques, les composantes principales, en éliminant les variables redondantes qui contiennent essentiellement la même information. Les composantes principales sont ensuite utilisées au lieu des variables originales dans des contextes spécifiques. La présentation touchera les points suivants :

  1. théorie et concepts de l’analyse en composantes principales;
  2. applications statistiques de l’analyse en composantes principales et
  3. exemple pratique avec un vrai jeu de données.

Les dates ne vous conviennent pas?

Si vous êtes intéressé-e à participer à cet atelier mais qu’il n’y a plus de place ou si le moment de la présentation ne vous convient pas, nous vous invitons à remplir ce formulaire et y spécifier vos disponibilités.