Ce tutoriel vidéo montre, en français, comment exploiter le plugin FactoMineR intégré au menu déroulant de R Commander. Le présentateur décrit d'abord l'installation du package RcmdrPlugin.FactoMineR depuis CRAN, puis la procédure pour le charger via Outils → Charger des plugins, et comment enregistrer les options de R Commander afin que le plugin soit disponible à chaque démarrage. Il explique ensuite l'importation d'un jeu de données (exemple : Décathlon) en précisant le séparateur, la prise en compte de la première colonne comme noms d'individus, et la vérification du chargement. Le cœur du tutoriel porte sur la réalisation d’une Analyse en Composantes Principales (ACP) : sélection des variables quantitatives actives, désignation d’une variable qualitative (compétition) comme variable supplémentaire, ajout de variables supplémentaires (classement, points), configuration des options graphiques (titres, affichage des libellés, coloration par variable qualitative) et génération des deux graphiques (individus et variables). Le présentateur montre comment activer la description automatique des dimensions, choisir le nombre de dimensions, et lancer une classification hiérarchique à l'issue de l'ACP, en paramétrant le nombre de classes et en visualisant les résultats (plan ACP, arbre hiérarchique, gains d’inertie). Il souligne l’utilité de la fenêtre de R Commander qui affiche à la fois le code R généré et les résultats, permettant de copier‑coller le code pour le réutiliser. Le tutoriel indique que les options graphiques avancées de FactoMineR (transparence, sélection d’individus) ne sont pas accessibles via le menu, mais peuvent être ajoutées en modifiant le code (ex. plot.PCA avec select = cos2). Enfin, il rappelle que les mêmes étapes s’appliquent aux autres méthodes du plugin (AFC, ACM, classification) et encourage les utilisateurs peu familiers avec la programmation R à commencer par le menu déroulant avant de personnaliser les graphiques via le code.
Chapters
Nous allons voir comment utiliser le menu déroulant de FactoMineR disponible dans R Commander. Pour ce faire, nous allons d'abord charger le package R Commander. Nous allons ensuite charger le plugin de FactoMineR. Pour ce faire, il faut d'abord avoir installé le package RCMDRplugin.FactoMineR. Ce package doit être installé une fois pour toutes à partir du site du CRAN et une fois qu'il est installé, en faisant Outils, Charger des plugins dans R Commander, on va avoir disponible le plugin FactoMineR. Donc je clique sur OK. Le plugin ne sera disponible qu'au redémarrage de R Commander, donc je dois redémarrer maintenant. Donc à chaque fois que je vais ouvrir R Commander, FactoMineR ne sera pas disponible, j'aurai besoin de charger le plugin. Si je veux utiliser FactoMineR régulièrement, j'ai intérêt à cliquer sur Outils, Enregistrer les options de R Commander. Je vais enregistrer les options et donc préciser que R Commander plugin FactoMineR doit être disponible systématiquement à l'ouverture de R Commander. Je clique sur OK et puis j'enregistre le fichier là où il est puisque c'est à l'ouverture de R. Donc maintenant le menu déroulant de FactoMineR sera disponible à l'ouverture de R Commander. Voyons maintenant comment réaliser une ACP sur FactoMineR. Les AFC, ACM ou classifications sont réalisées à peu près selon le même principe. Donc d'abord on a besoin d'importer le jeu de données. On va importer le jeu de données à partir de FactoMineR en cliquant sur FactoMineR, lire des données depuis un fichier, le presse-papier ou une URL. Je vais nommer le jeu de données. Ici je peux préciser que le nom des lignes est dans la première colonne, ce qui est très utile puisque dans les ACP, les AFC en général, on a le nom des individus dans la première colonne. Ensuite je vais avoir comme séparateur de champ le point-virgule puisque j'ai des fichiers CSV et je clique sur OK. Je vais aller chercher le fichier. Le jeu de données est importé. Voyons si l'importation a été bien réalisée en cliquant sur statistiques, résumer le jeu de données actif. Le jeu de données actif a 13 variables, c'est bien le cas. Et puis toutes les variables 100 m, longueur, poids, etc. sont quantitatives. J'ai bien minimum, médiane, maximum. Et la dernière variable, la variable compétition, est qualitative à 2 modalités: Dégâts stars et Jeux olympiques. Nous pouvons maintenant retourner sur le menu de FactoMineR et nous voyons que de nombreuses méthodes sont maintenant disponibles. On peut donc réaliser l'ACP, l'AFC, une ACM ou une classification hiérarchique. Il existe d'autres méthodes que nous n'avons pas vues dans ce cours, qui sont des extensions. Par exemple, on va faire des analyses factorielles avec comme variables actives des variables à la fois quantitatives et qualitatives. On va parler d'analyse factorielle de données mixtes. On peut aussi avoir des groupes de variables, plusieurs groupes de variables, et vouloir équilibrer l'influence de ces différents groupes. On parlera d'analyses factorielles multiples. Et puis il y a une autre fonctionnalité qui est la description des modalités, qui est très utile quand on a une enquête et qu'on veut décrire certaines modalités, certaines variables. Donc je vais moi faire une ACP sur le jeu de données Décathlon. Je clique sur ACP et donc s'ouvre une fenêtre pour l'ACP. Différentes variables sont proposées ici, ce sont toutes les variables qui sont quantitatives dans le jeu de données. Par défaut, si je lance, si je clique sur OK ou sur Appliquer, une ACP va être lancée avec toutes les variables quantitatives en tant que variables actives. Et donc on aura les résultats de l'ACP et les 2 graphes: graphe des individus et graphe des variables. Sur le jeu de données ACP, on a une variable qualitative Donc on va cliquer sur variables qualitatives. Donc on a la variable qualitative compétition, je clique sur compétition et OK. Et l'onglet est maintenant en bleu, ce qui signifie que j'ai cliqué sur cet onglet et que j'ai paramétré cet onglet. Il y a 2 variables qui sont quantitatives mais supplémentaires, donc je vais les préciser ici. Donc il s'agit des variables classement et points. Donc ces 2 variables, je les mets en tant que variables illustratives ou variables supplémentaires Le fait de les mettre comme supplémentaires les enlève des variables actives. Donc je n'aurai plus comme variables actives que les 10 premières variables. Toutes les autres variables, ces 2 variables ici sont maintenant supplémentaires. Je n'ai pas d'individus illustratifs, tous mes individus sont actifs. Je peux cliquer sur options graphiques. Dans l'option graphiques, la fenêtre est divisée en 2: un paramétrage pour le graphe des individus, un paramétrage pour le graphe des variables. Donc on peut mettre un titre. Graph des athlètes par exemple. Par défaut, tous les éléments sont visibles: les individus, les individus supplémentaires, les variables qualitatives, c'est-à-dire les modalités. Si je clique ici, les modalités seront invisibles. Donc moi je vais les laisser visibles. On a les libellés sur les individus actifs et les modalités par défaut. Je pourrais supprimer par exemple les libellés sur les individus. Je peux colorier les individus en fonction de la variable compétition en cliquant ici. Alors pour pouvoir colorier les individus en fonction d'une variable active, il faut que j'aie préalablement défini cette variable qualitative en tant que variable supplémentaire. Si je n'ai aucune variable qualitative supplémentaire, je n'aurai pas de variable ici disponible pour colorier les individus. Pour le graphe des variables, je peux laisser tel quel par exemple. Les variables actives seront en noir, les variables illustratives seront en bleu. Je clique sur OK. Pour les sorties, de nombreuses sorties sont disponibles par défaut. Il n'est pas conseillé de cliquer sur ces différentes cases excepté la dernière Description des dimensions. Donc on aura une description automatique des dimensions, ce qui est très utile quand on a beaucoup de variables. Par défaut, les résultats seront dans l'objet res. Par défaut, on aura les résultats sur 5 dimensions. On peut mettre ici par exemple 4 dimensions. Par défaut, les variables sont réduites, donc on fait une ACP normée et on visualise les individus sur le plan 1-2 et les variables également sur le plan 1-2. On peut réaliser éventuellement une classification à l'issue de l'ACP. Pour ce faire, je clique sur réaliser une classification. J'ai une fenêtre qui s'ouvre qui me permet de paramétrer la classification. Je peux choisir le nombre de classes de façon interactive, consolider les classes par défaut, écrire les résultats dans les classes par défaut, etc. Je vais cliquer sur OK et donc l'onglet est à nouveau en bleu, ce qui signifie que j'ai paramétré la classification. Ensuite, je peux cliquer soit sur OK soit sur Appliquer. Je conseille de cliquer sur Appliquer, comme ça l'analyse sera réalisée mais le paramétrage sera conservé. Si toute l'analyse convient, on pourra cliquer sur Annuler pour supprimer cette fenêtre. Et si on veut modifier un petit peu le paramétrage, on a toujours la fenêtre d'ouverte et ça évite de tout reparamétrer. Je clique sur Appliquer maintenant. J'ai le graphe pour la classification, je vais choisir ce découpage. Ici on a le graphe des variables avec les variables actives en noir, les variables supplémentaires en bleu et en pointillés. Le graphe des individus avec les individus coloriés en fonction de la variable compétition. Et puis on a les résultats sur la classification avec toujours le premier plan de l'ACP et les individus coloriés en fonction de leur classe d'appartenance. On a une classification en 4 classes. On a ici le plan de l'ACP avec les individus et en perspective l'arbre hiérarchique. Et puis ici l'arbre hiérarchique avec le diagramme sur les gains d'inertie. Donc on a tous les graphiques sur la fenêtre de R et on a tous les résultats sur la fenêtre de R Commander. Donc revenons sur la fenêtre de R Commander. Nous voyons ici tous les résultats par défaut, donc la ligne de code qui a été lancée, les résultats sur les valeurs propres, les pourcentages d'inertie, les résultats sur les individus, sur les variables, sur les variables supplémentaires, quantitatives d'abord, qualitatives ensuite, et puis une description des dimensions parce que j'avais demandé à avoir une description des dimensions. Alors on voit que la fenêtre de Rcommander est divisée en 2: la fenêtre du bas pour les résultats et la fenêtre du haut donne toutes les lignes de code qui ont été utilisées pour générer l'ensemble des résultats, à savoir faire l'ACP, construire les graphes et donner les les résultats qui sont disponibles dans la fenêtre d'en dessous. Ceci est très pratique parce qu'on peut récupérer toutes ces lignes de code, les mettre dans un fichier, ce qui permettra de relancer ultérieurement l'analyse par exemple. Dans R Commander, on n'a pas toutes les options graphiques qui sont disponibles dans FactoMineR, par exemple sur la transparence des individus, sur la sélection des individus quand on fait les graphiques. Donc je vous conseille d'utiliser dans un premier temps le menu déroulant de FactoMineR pour voir comment faire les analyses de façon standard, classique, et puis de récupérer ces lignes de code et de faire une sélection sur les individus en regardant la vidéo de FactoMineR. Par exemple ici, je peux récupérer cette ligne de code plot.PCA sur les individus Sur cette ligne de code, j'ai rajouté select= cos². Je fais soumettre. Je sélectionne les 3 lignes qui correspondent à une seule commande. Je fais soumettre et on voit qu'on peut récupérer le graphique amélioré où j'ai uniquement les libellés pour les individus qui sont bien représentés avec un cos² supérieur à 0.7. Donc par défaut, on n'a pas toutes les options graphiques mais on peut récupérer les lignes de code et réintroduire toutes les options graphiques qui sont disponibles dans FactoMineR. Pour les autres méthodes AFC, ACM et pour la classification, le menu déroulant fonctionne exactement de la même façon. On va sélectionner les éléments actifs, les éléments supplémentaires, éventuellement faire une classification à l'issue de l'AFC ou à l'issue de l'ACM. Donc à vous d'utiliser ce menu déroulant, à mon avis très utile pour ceux qui ne connaissent pas bien la programmation R pour faire les graphiques qui sont disponibles par défaut.
