Introduction – Statistique Exploratoire et Apprentissage non supervisé

Présentation de l’UE

Benjamin Charlier, Adrien Mazoyer

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

Statistique exploratoire multidimensionnelle

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.

Exploratoire

• On ne se donne pas une question précise, comme en statistique descriptive : pas d’inférence ici !
• Recherche de structures
• Visualisation
• Interprétation

Deux problématiques typiques

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

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.

Programme et objectifs du cours

Prérequis

• Notions d’algèbre linéaire (réduction d’endomorphismes)
• Statistique descriptive

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.

Programme

1. Analyse en composantes principales (variable quantitative)
2. Analyse des correspondances multiples (variable qualitative)
3. Analyse Factorielle Multiple (variables groupées)
4. Apprentissage non supervisé (clustering)