- en index : la variable d'observation
- en colonnes : les variables explicatives quantitatives
- en ligne : les individus / observations
* données initiales
* données centrées réduites
* graphique eboulis des valeurs propres
* calcul de la proportion de variance expliquée
* test des bâtons brisés
* coordonnées factorielles des individus
* qualité de la représentation des individus (cos² de chaque individu par axe)
* contribution des individus aux axes
* les vecteurs propres
* corrélations par facteur
* qualité de la représentation des variables (cos² de chaque variable par axe)
* contribution des variables aux axes
* variables illustratives quantitatives
* variables illustratives qualitatives
* Projection des individus
* Cercle des corrélations
### Créer un dossier pour le projet
$ mkdir /vers/dossier/testACP
### Se déplacer dans le dossier
$ cd /vers/dossier/testACP
### Créer un nouvel environnement
$ conda create -n envAcp python=3.9
### Activer le nouvel environnement
$ conda activate envAcp
### Installer le module generateAcp
$ pip install git+https://github.com/FredGainza/generateACP.git
Pour utiliser le module dans un notebook, il faut importer la fonction acp_global() :
from generateACP import acp_global
Les modules suivants seront automatiquement installés :
- pandas
- numpy
- scikit-learn
- matplotlib
- jupyter
- adjustText
- pdfservices-sdk
- openpyxl
RDV ICI