Тест: Introduction à l'Analyse en Composantes Principales — 7 въпроса

Подробни въпроси и отговори

1. Qui est crédité d'avoir formulé la définition de l'Analyse en Composantes Principales comme une création de nouvelles variables par projection dans un nouvel espace ?

Charlie Jozé
Francis Galton
Karl Pearson
Ronald Fisher

Charlie Jozé

Обяснение

Charlie Jozé est crédité pour avoir proposé que l'ACP crée de nouvelles variables, ou composantes principales, par projection dans un espace défini par des axes principaux, comme indiqué dans la source.

2. Quelles sont les caractéristiques fondamentales de la projection dans un nouvel espace lors de l’analyse en composantes principales (ACP) ?

Elle utilise des axes parallèles pour représenter les données.
Elle transforme les données dans un espace défini par des axes principaux orthogonaux.
Elle supprime la variance pour réduire la complexité.
Elle conserve toutes les dimensions initiales sans modification.

Elle transforme les données dans un espace défini par des axes principaux orthogonaux.

Обяснение

La projection dans un nouvel espace lors de l’ACP consiste à transformer les données initiales en de nouvelles variables en utilisant des axes principaux qui sont orthogonaux, permettant ainsi une réduction de dimension et une meilleure interprétation.

3. Quelle est la relation entre deux axes principaux dans une analyse en composantes principales (ACP) ?

Ils sont parallèles et ont une corrélation maximale
Ils forment un angle obtus et ont une corrélation positive forte
Ils sont perpendiculaires mais ont une corrélation positive significative
Ils forment un angle droit et ont une corrélation nulle

Ils forment un angle droit et ont une corrélation nulle

Обяснение

Les axes principaux sont orthogonaux, ce qui signifie qu'ils forment un angle droit (90°) entre eux, et cette orthogonalité garantit une corrélation nulle, c’est-à-dire qu’il n’y a pas de relation linéaire entre eux.

4. Quelle est la fonction principale de l'interprétation graphique dans l'analyse en composantes principales ?

Identifier automatiquement les variables les plus importantes
Calculer précisément la variance expliquée par chaque variable
Visualiser la position géographique des variables dans l’espace initial
Interpréter et comprendre la force et la direction des relations entre variables

Interpréter et comprendre la force et la direction des relations entre variables

Обяснение

L'interprétation graphique dans la PCA permet de lire et comprendre la force et la direction des relations (corrélations) entre variables, notamment via le cercle de corrélation, facilitant une lecture intuitive des relations entre variables.

5. En quoi la proximité entre deux individus dans l’espace ACP diffère-t-elle de leur contribution à la formation des axes principaux ?

La proximité montre leur influence sur la représentation graphique, alors que la contribution indique leur degré de corrélation avec les axes.
La proximité mesure leur influence sur la formation des axes, tandis que la contribution indique leur degré de similarité.
La proximité indique leur similarité, alors que la contribution reflète leur influence sur la structure des axes.
La proximité concerne la relation entre variables, et la contribution concerne la relation entre individus.

La proximité indique leur similarité, alors que la contribution reflète leur influence sur la structure des axes.

Обяснение

La proximité entre deux individus dans l’espace ACP indique leur degré de similarité ou différence en termes de caractéristiques, c’est-à-dire leur proximité ou éloignement dans l’espace. La contribution d’un individu à un axe, en revanche, mesure à quel point cet individu influence la formation ou la structure de cet axe, en fonction de sa distance au centre de gravité. Ces notions sont liées mais distinctes : la proximité concerne la relation entre individus, la contribution concerne leur rôle dans la structure globale des axes.

6. Comment peut-on interpréter la relation entre deux variables à partir de leur représentation dans le cercle de corrélation ?

En comptant le nombre de vecteurs proches, plus il y en a, plus la corrélation est faible.
En observant la longueur des vecteurs, plus ils sont longs, plus la corrélation est faible.
En mesurant la distance entre les vecteurs, plus la distance est grande, plus la corrélation est positive.
En regardant l’angle entre leurs vecteurs, plus l’angle est petit, plus la corrélation est forte.

En regardant l’angle entre leurs vecteurs, plus l’angle est petit, plus la corrélation est forte.

Обяснение

La représentation dans le cercle de corrélation permet d’interpréter la relation entre deux variables en regardant l’angle entre leurs vecteurs : un angle petit indique une forte corrélation, positive ou négative selon leur orientation.

7. Comment la participation des individus influence-t-elle la formation des axes principaux dans une analyse PCA ?

La participation des individus n'a pas d'influence sur la formation des axes principaux
Plus un individu est éloigné du centre de gravité, plus sa contribution à la formation de l'axe est grande
Les individus contribuent également peu, quelle que soit leur position, à la structuration des axes
Plus un individu est proche du centre de gravité, plus sa contribution à la formation de l'axe est grande

Plus un individu est éloigné du centre de gravité, plus sa contribution à la formation de l'axe est grande

Обяснение

Les individus éloignés du centre de gravité ont une contribution plus importante à l'inertie d’un axe, ce qui influence leur rôle dans la structuration de l’axe principal. Le texte indique que leur position détermine leur influence dans la formation des axes.

Прегледайте с флашкарти

Запомнете отговорите с 14 флашкарти по Introduction à l'Analyse en Composantes Principales.

Analyse en Composante Principale — définition ?

Méthode de réduction de dimension en créant des composantes orthogonales.

Projection — rôle ?

Transforme les données en un espace réduit pour simplifier l’analyse.

Axes principaux orthogonaux — fonction ?

Représentent des dimensions indépendantes, sans redondance.

Вижте флашкартите →

Учете с листа за преговор

Прочетете пълния лист за преговор на Introduction à l'Analyse en Composantes Principales.

Вижте листа за преговор →

Similar courses

Създайте свои собствени тестове

Импортирайте курса си и AI генерира тестове с корекции за 30 секунди.

Генератор на тестове