Données manquantes en ACP avec missMDA et FactoMineR

16 Apr 2013 · 4 min

Watch on YouTube

4:02

Dans ce tutoriel vidéo, le présentateur montre comment réaliser une Analyse en Composantes Principales (ACP) sur un jeu de données contenant des valeurs manquantes, en utilisant les packages R FactoMineR et missMDA. Il commence par présenter le jeu de données Orange (8 variables quantitatives, 12 individus, quelques NA) et explique que l'ACP standard de FactoMineR remplace les valeurs manquantes par la moyenne de chaque variable. Ensuite, il introduit missMDA, décrit l’estimation du nombre optimal de composantes (estime_ncpPCA) et l’imputation des valeurs manquantes avec imputePCA (en utilisant deux composantes). Il compare les valeurs imputées aux valeurs obtenues par simple moyenne, illustrant que l’imputation basée sur les relations entre variables et la similarité des individus fournit des estimations plus pertinentes. Enfin, il exécute une ACP classique sur le tableau completé avec FactoMineR::PCA et montre les graphiques des individus et des variables.

Chapters

Nous allons voir comment réaliser une ACP sur un jeu de données contenant des données manquantes. Pour cela, nous allons utiliser le jeu de données Orange suivant qui contient 8 variables quantitatives, 12 individus et quelques données manquantes. Les données manquantes sont matérialisées ici par des NA pour dire not available. Nous allons charger la librairie FactoMineR. Il est possible de réaliser directement l'ACP sur ce jeu de données. Nous avons l'ACP. Que sont devenues les données manquantes? Les données manquantes ont été remplacées par la moyenne de chaque variable et l'ACP a été réalisée sur le tableau de données complété. Il est possible de réaliser une ACP avec données manquantes en utilisant la librairie missMDA. Cette librairie contient plusieurs fonctions. Certaines fonctions permettent d'imputer les données manquantes pour pouvoir par la suite réaliser une ACP sur un tableau de données complété. Pour ce faire, nous avons besoin d'estimer le nombre de dimensions qui sera utilisé pour compléter le tableau de données. Nous allons écrire nb= estime_ncpPCA puisque nous allons compléter en utilisant 2 composantes de l'ACP. L'imputation est réalisée. Nous pouvons visualiser le jeu de données complété dans l'objet completeObs. Si on compare au jeu de données initial, nous pouvons voir que là où il y avait des données présentes, les valeurs n'ont pas changé Et là où il y a eu des données manquantes, par exemple pour l'individu 5 et la variable color intensity, on a une estimation de la valeur 6,33 qui est plus intéressante que l'estimation par la moyenne puisqu'on prend en compte les liaisons entre les variables et les ressemblances entre individus pour compléter la valeur de cette cellule. Sur ce tableau de données complété, nous pouvons maintenant lancer l'ACP de façon classique en utilisant la fonction PCA de FactoMineR. Et nous obtenons les graphes des individus et graphes des variables.