TD3 Data Mining

Analyses en composantes principales

Exercice #1
Soit X la matrice de données suivante :

1. Calculer G(le centre de gravité),

2. Calculer Xc la matrice des données centrées
3. Calculer Xcr la matrice des données centrées réduites

On veut faire une ACP normée

4. Sur quelle matrice faut-il travailler, calculer la matrice de variance-covariance

concernée.
5. Calculer les valeurs propres correspondants
6. En déduire les pourcentages d’inertie (variances expliquées)
7. Trace l’éboulis des valeurs propres
 2  2
1 1
0
1 1  1  − 1
8. Vérifier que v1 = , v2 = et v1 = sont les vecteurs propres
2  2 1  2 
 − 1    1 
associés aux valeurs propres calculées précédemment

9. Calculer les composantes principales pour chaque individu.

10. Calculer la corrélation entre les variables initiales et les composantes principales.

Page 1 sur 2
 Exercice #2

On considère la matrice X de données suivante :

1.Calculer G(le centre de gravité),

2.Calculer Xc la matrice des données centrées

3.Calculer Xcr la matrice des données centrées réduites

On veut faire une ACP simple

4.Sur quelle matrice faut-il travailler, calculer la matrice de variance-covariance concernée.

5. On donne les deux valeurs propres λ1=0.0696 et λ2=1.5971. En déduire λ3

6. Peut-on représenter parfaitement le nuage des individus à 2 dimensions ?

7. Si oui, calculer les composantes principales dans le plan engendré par les deux vecteurs
propres sachant que la matrice des vecteurs propres est :

 0.2796 0.8944 0.3490 

 
P =  0.7805 0 − 0.6252 
 0.5592 − 0.4472 0.6981 
 

Page 2 sur 2