Packages R Réquis pour l'ACP
FactoMineR & factoextra
Il existe un certain nombre de packages R pour calculer les méthodes de composantes principales. Ces packages comprennent: FactoMineR, ade4, stats, ca, MASS et ExPosition.
Cependant, le résultat est présenté différemment selon le package utilisé.
Pour aider à l’interprétation et à la visualisation des analyses multivariées - comme le clustering et les méthodes de composantes principales - nous avons développé un package R, facile à utiliser, appelé factoextra (documentation officielle en ligne: http://www.sthda.com/english/rpkgs/factoextra) (Kassambara and Mundt 2017).
Quelque soit le package que vous décidez d’utiliser pour calculer les méthodes de composantes principales, le package factoextra peut aider à extraire facilement, dans un format lisible, les résultats d’analyse des différents packages mentionnés ci-dessus. factoextra fournit également des solutions pratiques pour créer de beaux graphiques de type ggplot2.
Dans ce livre, nous utiliserons principalement:
- le package FactoMineR (Husson et al. 2017) pour calculer les méthodes des composantes principales;
- et le package factoextra (Kassambara and Mundt 2017) pour extraire, visualiser et interpréter les résultats.
Les autres packages - ade4, ExPosition, etc. - seront présentés brièvement.
La figure 2.1 illustre les fonctionnalités clés de FactoMineR et de factoextra.
Le package factoextra peut être utilisé pour visualiser le résultat des analyses suivantes:
Installation
Installation de FactoMineR
# Installation
install.packages("FactoMineR")
# Chargement
library("FactoMineR")Installation de factoextra
- factoextra peut être installé à partir de CRAN comme suit:
install.packages("factoextra")- Ou, install la dernière version en développement à partir de Github
if(!require(devtools)) install.packages("devtools")
devtools::install_github("kassambara/factoextra")- Charger factoextra comme suit:
library("factoextra")Fonctions R principales
Fonctions principales dans FactoMineR
Fonctions pour calculer les méthodes de composantes principales et pour le clustering:
| Fonctions | Description |
|---|---|
| PCA | Principal component analysis. |
| CA | Correspondence analysis. |
| MCA | Multiple correspondence analysis. |
| FAMD | Factor analysis of mixed data. |
| MFA | Multiple factor analysis. |
| HCPC | Hierarchical clustering on principal components. |
| dimdesc | Dimension description. |
Fonctions principales dans factoextra
Les fonctions de factoextra, décrites dans ce livre, sont listées dans le tableau ci-dessous. Voir la documentation en ligne (http://www.sthda.com/english/rpkgs/factoextra) pour une liste complète.
- Visualisation des résultats
| Fonctions | Description |
|---|---|
| fviz_eig (or fviz_eigenvalue) | Visualize eigenvalues. |
| fviz_pca | Graph of PCA results. |
| fviz_ca | Graph of CA results. |
| fviz_mca | Graph of MCA results. |
| fviz_mfa | Graph of MFA results. |
| fviz_famd | Graph of FAMD results. |
| fviz_hmfa | Graph of HMFA results. |
| fviz_ellipses | Plot ellipses around groups. |
| fviz_cos2 | Visualize element cos2.1 |
| fviz_contrib | Visualize element contributions.2 |
- Extraction des résultats (coordonnées, cosinus carré, contributions) pour les individus/variables actifs
| Fonctions | Description |
|---|---|
| get_eigenvalue | Access to the dimension eigenvalues. |
| get_pca | Access to PCA outputs. |
| get_ca | Access to CA outputs. |
| get_mca | Access to MCA outputs. |
| get_mfa | Access to MFA outputs. |
| get_famd | Access to MFA outputs. |
| get_hmfa | Access to HMFA outputs. |
| facto_summarize | Summarize the analysis. |
- Clustering et visualisation
| Fonctions | Description |
|---|---|
| fviz_dend | Enhanced Visualization of Dendrogram. |
| fviz_cluster | Visualize Clustering Results. |
References
Husson, Francois, Julie Josse, Sebastien Le, and Jeremy Mazet. 2017. FactoMineR: Multivariate Exploratory Data Analysis and Data Mining. https://CRAN.R-project.org/package=FactoMineR.
Kassambara, Alboukadel, and Fabian Mundt. 2017. Factoextra: Extract and Visualize the Results of Multivariate Data Analyses. http://www.sthda.com/english/rpkgs/factoextra.