Vous êtes sur la page 1sur 1

ACP L'Analyse en composantes principales (ACP) est une mthode de la famille de l'analyse des donnes et plus gnralement de la statistique

multivarie, qui consiste transformer des variables lies entre elles (dites "corrles" en statistique) en nouvelles variables dcorrles les unes des autres. Ces nouvelles variables sont nommes "composantes principales", ou axes principaux. Elle permet au praticien de rduire le nombre de variables et de rendre l'information moins redondante. AFC Le but principal de lAFC reste donc le mme ; lire linformation contenue dans un espacemultidimensionnel par une rduction de la dimension de cet espace tout en conservant un maximum de linformation contenu dans lespace de dpart. LAFC sapplique essentiellement des tableaux de contingence. Cest un tableau deffectifs qui contient lintersection de la ligne i et de la colonne j des zij individus. Il sagit de la ventilation dune population totale M selon deux caractres quelconques X en ligne et Y en colonne. Ce sont donc des caractres qualitatifs nominaux et/ou ordinaux. clustering Le partitionnement de donnes (data clustering en anglais) est une des mthodes statistiques d'analyse des donnes. Elle vise diviser un ensemble de donnes en diffrents paquets homognes, en ce sens que les donnes de chaque sous-ensemble partagent des caractristiques communes, qui correspondent le plus souvent des critres de proximit (similarit informatique) que l'on dfinit en introduisant des mesures et classes de distance entre objets. Pour obtenir un bon partitionnement, il convient d' la fois :

minimiser l'inertie intra-classe pour obtenir des grappes (cluster en anglais) les plus homognes possibles. maximiser l'inertie inter-classe afin d'obtenir des sous-ensembles bien diffrencis.

Rseaux de neurones