Introduction – Statistique Exploratoire et Apprentissage non supervisé
Présentation de l’UE
1 Organisation générale
- 12 séances de cours/TD
- 3 séances de TP sur R et Python en groupe
- Supports de cours en ligne (https://bcharlier.github.io/KMAK7AC1/) et sur Moodle
- Évaluation
- 1 contrôle continu : évaluation sur table pendant 1 h
- 1 contrôle terminal : évaluation sur table pendant 2 h
- Bonus : pull request pour améliorer ce cours, jusqu’à 1 point sur la note finale
- Contact: benjamin.charlier@inrae.fr
2 Statistique exploratoire multidimensionnelle
2.1 Multidimensionnel
- S’oppose à unidimensionnel ;
- On s’intéresse à plusieurs (souvent beaucoup) variables en même temps ;
- Exemple : une enquête. Chaque individu répond à p questions, et on veut étudier les p réponses à la fois.
2.2 Exploratoire
- On ne se donne pas une question précise, comme en statistique descriptive : pas d’inférence ici !
- Recherche de structures
- Visualisation
- Interprétation
3 Deux problématiques typiques
3.1 Réduction de dimension
- Réduire le nombre de variables prises en compte
- Réduire le coût computationnel
- Améliorer la qualité du modèle (éviter le sur-apprentissage)
- Réussir à “visualiser” les données
3.2 Apprentissage
- Supervisé : les données sont étiquetées et on cherche à prédire l’étiquette de nouvelles données.
- Non supervisé : pas d’étiquetage connu ; on cherche à regrouper les individus qui se ressemblent.
4 Programme et objectifs du cours
4.1 Prérequis
- Notions d’algèbre linéaire (réduction d’endomorphismes)
- Statistique descriptive
4.2 Compétences à acquérir
- Savoir utiliser les outils selon le contexte d’application.
- Mise en œuvre avec les outils modernes de la science des données en R et/ou Python.
- Interprétation des résultats obtenus.
4.3 Programme
- Analyse en composantes principales (variable quantitative)
- Analyse des correspondances multiples (variable qualitative)
- Analyse Factorielle Multiple (variables groupées)
- Apprentissage non supervisé (clustering)