The video presents a step‑by‑step instructional walkthrough of the Factoshiny R package, which integrates FactoMineR analyses into Shiny web applications. The presenter first launches the PCAshiny function on the built‑in Décathlon data set, showing the two‑panel layout (parameter controls on the left, results on the right). He demonstrates how to select active, supplementary quantitative, and supplementary qualitative variables, adjust graphical options such as axes, label size, cos²‑based or manual selection of individuals/variables, and colour points by a categorical variable. The Values tab is explored to view summaries, eigenvalues, contributions, automatic axis descriptions, and data‑set overviews with box‑plots and histograms. The tutorial also covers downloading plots (PNG/JPEG/PDF), quitting the app, and re‑opening it in the same state by feeding the saved result object back into PCAshiny. The presenter then extracts the generated R code (object res) for reproducibility. Using that code, he launches HCPC_shiny on the PCA result to perform hierarchical clustering, showing the same UI pattern, adjustable number of clusters, metric choice, consolidation, and 3‑D visualisations with class centres. The Values tab for HCPC provides class descriptions by variables and axes. Finally, he explains how to download HCPC plots and quit the application. Throughout, the focus is on interactive parameter manipulation, visual interpretation, and reproducible workflow.
Chapters
Bonjour, je vais vous présenter une application du package Factoshiny qui permet de réaliser les analyses factorielles de FactoMineR dans des applications Shiny. Alors tout d'abord, il vous suffit de charger le package Factoshiny qui va charger automatiquement le package FactoMineR et le package Shiny. Ensuite, l'exemple dont je vais vous parler se fera sur le jeu de données qui s'appelle Décathlon. Et on va réaliser la fonction qui s'appelle PCA shiny directement sur ce jeu de données. Donc l'application shiny s'ouvre automatiquement dans une page web. Cette page web se divise en deux parties: la partie gauche de la page qui va vous permettre de modifier certains paramètres. Et la partie droite de la page où vous allez pouvoir observer les différents résultats. La fenêtre de gauche se divise en 3 blocs: le bloc des paramètres de l'ACP, le bloc des paramètres graphiques et le bloc des paramètres de téléchargement. Dans le bloc des paramètres de l'ACP, vous allez pouvoir choisir les variables quantitatives actives, les variables quantitatives supplémentaires et les variables qualitatives supplémentaires. Par défaut, toutes les variables quantitatives sont considérées comme actives. Néanmoins, sur mon jeu de données, je vais choisir que les variables rank et points sont supplémentaires. Comme vous pouvez le voir, les graphiques s'actualisent automatiquement. Je souhaite aussi que ma variable compétition, qui est une variable qualitative, soit considérée comme supplémentaire dans mon jeu de données. Ici, je ne souhaite pas forcément avoir d'individus supplémentaires, mais je peux en sélectionner autant que je veux et les enlever tout de suite après. Une fois mes paramètres d'ACP définis, je peux avoir envie de modifier mes paramètres graphiques. Les premiers paramètres graphiques modifiables sont les axes X et Y. Par défaut, les axes 1 et 1 et 2 sont définis. Néanmoins, je peux avoir envie de regarder les axes 1 et 3, 1 et 4, jusqu'à, jusqu'à l'axe 5. Ensuite, il me suffit de choisir le graphe des individus ou le graphe des variables pour modifier celui-ci. Tout d'abord, je peux décider de modifier par exemple le graphique des individus. Ici, on voit qu'il y a beaucoup d'individus, donc beaucoup de labels, ce qui ne le rend pas très lisible. On peut par exemple, pour le rendre plus lisible, diminuer la taille de la police, ici par exemple à 0,8. On voit donc que la taille des labels est plus petite et que le graphique est plus lisible. Également, dans le même but, nous pouvons sélectionner les individus en fonction de leur cos², de leur contribution ou tout simplement manuellement. Si l'on choisit de les sélectionner manuellement, il faudra ensuite renseigner les noms des individus que l'on souhaite voir affichées sur le plot. Si je souhaite sélectionner mes individus en fonction du cos², vous voyez ici la valeur du cos² évoluer et les individus sélectionnés disparaître au fur et à mesure. Également, dans un souci de lisibilité du graphique, on peut avoir envie de colorier les graphiques en fonction d'une variable catégorielle. On a vu dans les paramètres de l'ACP que j'avais sélectionné la variable compétition comme étant supplémentaire dans mon analyse. Je vais donc colorier les points en fonction de cette variable. Le principe est le même pour le graphe des variables. Je vais pouvoir diminuer ou augmenter la taille des labels et également sélectionner mes variables en fonction du cos² ou de la contribution. Par exemple, dans mon cas, ici j'ai 10 variables actives Mais je ne peux vouloir afficher que les 5 plus contributifs. En ce qui concerne les autres sorties, le deuxième onglet disponible de l'application est l'onglet qui s'appelle ici Values. Dans cet onglet, je vais pouvoir regarder un summary de ma fonction qui résume les résultats principaux de l'analyse factorielle. Mais je vais pouvoir également regarder mes valeurs propres avec un graphique qui nous aide à choisir le nombre de dimensions que l'on va garder. Je peux regarder le résultat de mes variables, le résultat de mes individus, de mes variables supplémentaires et de mes variables qualitatives. Il est également possible de consulter la description automatique des axes. Vous pouvez choisir la dimension 1, la dimension 2 ou la dimension 3. Vous avez également à votre disponibilité un summary du jeu de données qui est accompagné d'un boxplot et d'un histogramme pour les variables quantitatives. Enfin, le dernier onglet est un onglet du jeu de données sous un affichage un petit peu particulier puisqu'il vous permet de chercher une valeur particulière dans mon jeu de données. Par exemple, je peux choisir un individu particulier et je n'obtiens que la ligne de cet individu. Enfin, il vous est possible de télécharger les graphes au format PNG, JPEG ou PDF. Par exemple, ici je souhaite que mon graphe des individus soit téléchargé au format PNG, il me suffit d'appuyer sur ce bouton. Lorsque vous avez terminé d'utiliser l'application, il vous suffit d'appuyer sur ce bouton Quit the app. Qui ferme automatiquement la page. Une fois revenue sur R, si je m'aperçois que finalement il y a un paramètre que j'ai oublié d'ajouter ou que je veux modifier, je peux retrouver mon application dans le même état que lorsque je l'ai laissée. Pour cela, il suffit de relancer la même fonction, pas sur le jeu de données, mais cette fois-ci sur le résultat de mon application Shiny PCA. La page web se rouvre donc automatiquement et les paramètres de l'ACP ainsi que les paramètres graphiques sont dans le même état que lorsque vous avez quitté l'application. Donc lorsque vous avez fini, encore une fois, il vous suffit de cliquer sur Quit the app. Si vous souhaitez récupérer les codes qui ont permis de construire l'analyse factorielle et les graphiques, il vous suffit de consulter l'objet res qui contient les 3 lignes de code correspondantes. Vous pouvez utiliser les codes tels quels en faisant un copier-coller. Si vous avez besoin d'utiliser ces codes pour autre chose. Par exemple, le code de l'analyse factorielle, donc le code ici de l'ACP, peut être utilisé pour effectuer une classification sur l'objet d'ACP. Je vais vous faire l'exemple avec le résultat qu'on a ici. Je copie-colle cette ligne de code et je lance cette fois-ci l'application qui s'appelle HCPC shiny. Sur ce nouveau, sur ce résultat d'ACP. C'est donc une nouvelle fonction du package Factoshiny qui s'ouvre, qui est la fonction de classification. Vous retrouvez la même structure: à gauche vos paramètres modifiables et à droite les graphiques visibles. Vous pouvez voir ici le graphique des individus. Répartis par classe, le nombre de classes par défaut et le nombre de classes suggéré par la fonction HCPC. Au niveau des paramètres de l'HCPC, vous pouvez modifier ce nombre de classes, mais vous pouvez également utiliser une métrique différente ou encore consolider vos résultats. En ce qui concerne les paramètres graphiques, là aussi comme dans l'ACP, vous pouvez modifier les axes X et Y, En ce qui concerne le graphe des individus, vous pouvez ajouter ou supprimer l'arbre. Et en ce qui concerne le graphe en 3D, vous pouvez modifier l'angle de vue, comme ici, et vous pouvez également dessiner les centres des classes sur votre graphe. Comme sur l'application ACP, Vous pouvez télécharger vos graphes soit en format PNG, en format JPEG ou PDF. Dans cette fonction, vous pouvez également consulter l'onglet Values qui contient la description des classes par les variables, la description des classes par les axes et également les parents noms de chaque classe. Lorsque vous avez fini et que vous voulez quitter l'application, comme pour l'ACP, il vous suffit de cliquer sur le bouton Quit the app qui ferme l'application.
