AFD sous Python avec scientisttools

Duvérier DJIFACK ZEBAZE

Ce tutoriel a pour objectif de présenter rapidement les principales fonctionnalités offertes par
le package « scientisttools » pour réaliser une Analyse Factorielle Discriminante ou Analyse
Discriminante Descriptive.

Présentation des données

Nous allons illustrer ce tutoriel à travers l’exemple des Vins de Bordeaux (Michel Tenenhaus,
2007). On cherche à relier la qualité des vins de Bordeaux à des caractéristiques météorologiques.
La variable à expliquer y est la qualité du vin et prend 3 modalités : 1 = bon, 2 = moyen et 3
= médiocre. Les variables explicatives de la qualité du vin sont les suivantes : X1 (Somme des
températures moyennes journalières (°C)), X2 (Durée d’insolation (h)), X3 (Nombre de jours de
grande chaleur) et X4 (Hauteur des pluies (mm)).

# Chargement des données

import pandas as pd
data = pd.read_excel("./donnee/wine_quality.xls",index_col=1)

Pour la suite, nous allons supprimer la colonne « Obs » de notre jeu de données.

# Suppression Obs.
donnee = [Link](['Obs.'],axis=1)

Objectifs

L’analyse factorielle discriminante est une méthode descriptive. Elle vise à produire un système
de représentation de dimension réduite qui permet de discerner les classes lorsqu’on y projette
les individus. Il s’agit d’une méthode d’analyse factorielle. On peut la voir comme une variante
de l’analyse en composantes principales où les centres de classes sont les individus, pondérés par
leurs effectifs, et avec une métrique particulière (SAPORTA, 2006). Les variables latentes (ou
discriminantes) sont exprimées par des combinaisons linéaires des variables originelles. Elles sont
deux à deux orthogonales. Elles cherchent à assurer un écartement maximal entre les centres
de classes. In fine, l’objectif est de mettre en évidence les caractéristiques qui permettent de
distinguer au mieux les groupes.

Problématique

L’analyse factorielle discriminante ou analyse discriminante descriptive permet de caractériser de

manière multidimensionnelle l’appartenance des individus à des groupes prédéfinis, ceci à l’aide
de plusieurs variables explicatives prises de façon simultanée. En effet, il s’agit de construire un
nouveau système de représentation qui permet de mettre en évidence ces groupes. Les objectifs
de l’analyse factorielle discriminante sont double :

1
 Table 1 – Qualité des vins de Bordeaux

Obs. Temperature Soleil Chaleur Pluie Qualite

1924 1 3064 1201 10 361 Moyen
1925 2 3000 1053 11 338 Mediocre
1926 3 3155 1133 19 393 Moyen
1927 4 3085 970 4 467 Mediocre
1928 5 3245 1258 36 294 Bon
1929 6 3267 1386 35 225 Bon
1930 7 3080 966 13 417 Mediocre
1931 8 2974 1189 12 488 Mediocre
1932 9 3038 1103 14 677 Mediocre
1933 10 3318 1310 29 427 Moyen
1934 11 3317 1362 25 326 Bon
1935 12 3182 1171 28 326 Mediocre
1936 13 2998 1102 9 349 Mediocre
1937 14 3221 1424 21 382 Bon
1938 15 3019 1230 16 275 Moyen
1939 16 3022 1285 9 303 Moyen
1940 17 3094 1329 11 339 Moyen
1941 18 3009 1210 15 536 Mediocre
1942 19 3227 1331 21 414 Moyen
1943 20 3308 1366 24 282 Bon
1944 21 3212 1289 17 302 Moyen
1945 22 3361 1444 25 253 Bon
1946 23 3061 1175 12 261 Moyen
1947 24 3478 1317 42 259 Bon
1948 25 3126 1248 11 315 Moyen
1949 26 3458 1508 43 286 Bon
1950 27 3252 1361 26 346 Moyen
1951 28 3052 1186 14 443 Mediocre
1952 29 3270 1399 24 306 Bon
1953 30 3198 1259 20 367 Bon
1954 31 2904 1164 6 311 Mediocre
1955 32 3247 1277 19 375 Bon
1956 33 3083 1195 5 441 Mediocre
1957 34 3043 1208 14 371 Mediocre

1. Descriptif : Mettre en évidence les caractéristiques qui permettent de distinguer au

mieux les groupes ;
2. Prédictif : Classer automatiquement un nouvel individu (l’affecter à un groupe) à partir
de ses caractéristiques

Rapport de corrélation

Nous mesurons le pouvons discriminant de chaque variables Xj en utilisant l’analyse de la

variance à un facteur. Pour cela, nous utilisons le rapport de corrélation définit par :

Somme des carrés inter - classes

η 2 (Xj , y) = (1)
Somme des carrés totale
Cet indicateur, compris entre 0 et 1, est basé sur la dispersion des moyennes conditionnelles. Il
s’agit d’un indicateur de séparabilité des groupes :
— η 2 (Xj , y) = 0, la discrimination est impossible, les moyennes conditionnelles sont confon-
dues. La somme des carrés inter - classes est nulle.
— η 2 (Xj , y) = 1, la discriminantion est parfaite, les points associés aux groupes sont agglu-
tinés autour de leur moyenne respectives : la somme des carrés intra - classes est nulle,
ce qui est équivalent à la somme des carrés inter - classes est egale à la somme des carrés
totale.

2
# Pouvoir discriminant
from [Link] import eta2

R2 = dict()
for name in [Link][:-1]:
R2[name] = eta2(donnee["Qualite"],donnee[name])
R2 = [Link](R2).T

Table 2 – Rapport de corrélation

Sum. Intra Sum. Inter correlation ratio F-stats pvalue

Temperature 237722.121 420067.41 0.639 27.389 0.000
Soleil 202192.371 326909.07 0.618 25.061 0.000
Chaleur 1664.371 1646.57 0.497 15.334 0.000
Pluie 178499.212 97191.17 0.352 8.440 0.001

Toutes les p-values sont inférieures au seuil de 5%, par conséquent, il existe une différence
significative dans la qualité du vin.

AFD

Chargement de scientisttools

Sage précaution avec les packages pour Python, nous affichons le numéro de la version de « scien-
tisttools » utilisée dans ce tutoriel.

# version
import scientisttools
print(scientisttools.__version__)

## 0.0.9

Nous fonctionnons avec la version « 0.0.9 ».

from scientisttools.discriminant_analysis import CANDISC

On crée une instance de la classe CANDISC, en lui passant ici des étiquettes pour les lignes et
les variables.
Le constructeur de la classe CANDISC possède un paramètre n_components qui indique le
nombre d’axes discriminants à garder. Par défaut, la valeur du paramètre n_components est
fixée à None.
Réalisez l’AFD sur toutes observations en tapant la ligne de code suivante :

# Instanciation
my_cda = CANDISC(n_components=2,
target=["Qualite"],
row_labels=[Link],
features_labels=["Temperature","Soleil","Chaleur","Pluie"],
parallelize=False)

3
 — n_components : le nombre d’axes discriminants à garder dans les résultats
— target : le label de la variable cible.
— row_labels : les noms des lignes
— features_labels : les noms des variables explicatives
— parallelize : paralleliser l’algorithme.
On estime le modèle en appliquant la méthode .fit de la classe CANDISC sur le jeu de données
à traiter.

# Apprentissage
my_cda.fit(donnee)

## CANDISC(features_labels=['Temperature', 'Soleil', 'Chaleur', 'Pluie'],

## n_components=2,
## row_labels=Int64Index([1924, 1925, 1926, 1927, 1928, 1929, 1930, 1931, 1932, 1933
## 1935, 1936, 1937, 1938, 1939, 1940, 1941, 1942, 1943, 1944, 1945,
## 1946, 1947, 1948, 1949, 1950, 1951, 1952, 1953, 1954, 1955, 1956,
## 1957],
## dtype='int64', name='Annee'),
## target=['Qualite'])

Les valeurs propres

L’exécution de la méthode my_daa.fit(donnee) provoque le calcul de plusieurs attributs parmi

lesquels my_cda.eig_.

print(my_cda.eig_)

## [[ 3.27886049 0.13857402]
## [ 3.14028647 nan]
## [ 95.94508632 4.05491368]
## [ 95.94508632 100. ]]

L’attribut my_cda.eig_ contient :

— en 1ère ligne : les valeurs propres en valeur absolue
— en 2ème ligne : les différences des valeurs propres
— en 3ème ligne : les valeurs propres en pourcentage de la variance totale (proportions)
— en 4ème ligne : les valeurs propres en pourcentage cumulé de la variance totale.
La fonction get_eig retourne les valeurs propres sous forme de tableau de données.

# Valeurs propres
from [Link] import get_eig
print(get_eig(my_cda))

## eigenvalue difference proportion cumulative

## LD1 3.278860 3.140286 95.945086 95.945086
## LD2 0.138574 NaN 4.054914 100.000000

4
Le premier axe discriminant contiennent 96% de l’information totale disponible.
On peut obtenir un résumé des principaux résultats en utilisant la fonction summaryCANDISC.

from [Link] import summaryCANDISC

summaryCANDISC(my_cda)

## Canonical Discriminant Analysis - Results

##
##
## Summary Information
## Total Sample Size Variables ... DF Within Classes DF Between Classes
## value 34 4 ... 31 2
##
## [1 rows x 6 columns]
##
## Class Level information
## n(k) p(k)
## Qualite
## Mediocre 12 0.352941
## Bon 11 0.323529
## Moyen 11 0.323529
##
## Importance of components
## LD1 LD2
## Variance 3.279 0.139
## Difference 3.140 NaN
## % of var. 95.945 4.055
## Cumulative of % of var. 95.945 100.000
##
## Group means:
## Temperature Soleil Chaleur Pluie
## Qualite
## Bon 3306.364 1363.636 28.545 305.000
## Mediocre 3037.333 1126.417 12.083 430.333
## Moyen 3140.909 1262.909 16.455 339.636
##
## Coefficients of canonical discriminants:
## LD1 LD2
## Temperature -0.009 0.000
## Soleil -0.007 0.005
## Chaleur 0.027 -0.128
## Pluie 0.006 -0.006
## Intercept 32.876 -2.165
##
## Classification functions coefficients:
## Bon Mediocre Moyen
## Temperature 0.018 -0.018 0.001
## Soleil 0.013 -0.015 0.004
## Chaleur -0.023 0.084 -0.069
## Pluie -0.011 0.014 -0.004
## Intercept -72.590 65.609 -7.192

5
##
## Individuals (the 10 first)
##
## LD1 LD2
## Annee
## 1924 0.883 0.872
## 1925 2.325 0.094
## 1926 0.995 -0.833
## 1927 2.727 -0.247
## 1928 -0.744 -1.721
## 1929 -2.231 -0.484
## 1930 2.747 -1.109
## 1931 2.534 -0.236
## 1932 3.731 -2.114
## 1933 -1.130 -1.368
##
## Continues variables
##
## total.1 between.1 within.1 total.2 between.2 within.2
## Temperature -0.901 -0.987 -0.724 -0.375 -0.211 -0.584
## Soleil -0.897 -0.999 -0.701 0.116 0.003 0.176
## Chaleur -0.771 -0.957 -0.525 -0.590 -0.336 -0.780
## Pluie 0.663 0.977 0.398 -0.361 -0.167 -0.421

Le champ .coef_ nous intéresse particulièrement. Il correspond aux coeffcients des fonctions
discriminantes :

# Affichage brut des ceofficients

print(my_cda.coef_)

## [[-8.56604551e-03 4.62505890e-05]
## [-6.77386899e-03 5.32929330e-03]
## [ 2.70544919e-02 -1.27636164e-01]
## [ 5.86566500e-03 -6.17455623e-03]]

La matrice est de dimension (4,2) puisque nous avons un problème à (K = 3) classes (d’où K −1
axes discriminants) et 4 descripteurs.

#dimensions
print(my_cda.coef_.shape)

## (4, 2)

Il ne faut pas oublier les constantes (intercept) des fonctions discriminantes.

# et les constantes pour chaque classe

print(my_cda.intercept_)

## [32.87628192 -2.16527944]

6
Nous pouvons dès lors adopter une présentation plus sympathique des fonctions discriminantes.
Pour ce faire, nous utilisons la fonction get_candisc_coef en fixant le paramètre « choice =
"absolute" ».

# Affichage des coefficients

from [Link] import get_candisc_coef
coef = get_candisc_coef(my_cda,choice="absolute")
coef

## LD1 LD2
## Temperature -0.008566 0.000046
## Soleil -0.006774 0.005329
## Chaleur 0.027054 -0.127636
## Pluie 0.005866 -0.006175
## Intercept 32.876282 -2.165279

Représentations factorielles

Coordonnées des individus

# Coordonnées des individus

from [Link] import get_candisc_row
row_coord = get_candisc_row(my_cda)["coord"]
print(row_coord.head(6))

## LD1 LD2
## Annee
## 1924 0.882552 0.871537
## 1925 2.325456 0.094220
## 1926 0.994856 -0.832957
## 1927 2.726862 -0.247244
## 1928 -0.743596 -1.721167
## 1929 -2.230889 -0.484319

# Carte des individus

from [Link] import plotCANDISC
import [Link] as plt

fig, axe = [Link](figsize=(16,8))

plotCANDISC(my_cda,color=["blue",'#5DC83F','red'],marker=['o',"*",'>'],ax=axe)
[Link]()

7
 Canonical Discriminant Analysis

1.5

1.0

0.5
Canonical 2

0.0
Classe
0.5 Bon
Mediocre
Moyen
1.0

1.5

2.0

4 3 2 1 0 1 2 3 4
Canonical 1

Coordonnées des centres de classes

L’introduction des barycentre spermet de mieux situer la qualité relative des facteurs dans la
discrimination des classes.

# Coordonnées des centres de classes

zk = my_cda.gcenter_
print(zk)

## LD1 LD2
## Qualite
## Bon -2.121963 -0.271812
## Mediocre 2.079247 -0.221184
## Moyen -0.146307 0.513104

Evaluation globale du modèle

Evaluation statistique des facteurs

Distance entre centres de classes

Dans le plan factoriel, les distances sont camptabilisées à l’aide d’une simple distance euclidienne.

# Distances entre centres de classes

print(my_cda.gdisto_)

## Bon Mediocre Moyen

## Bon 0.000000 17.652729 4.519311
## Mediocre 17.652729 0.000000 5.492267
## Moyen 4.519311 5.492267 0.000000

8
Pouvoir discriminant des facteurs

Le pouvoir discriminant des facteurs est traduit par les valeurs propres qui leurs sont associées.

print(get_eig(my_cda))

## eigenvalue difference proportion cumulative

## LD1 3.278860 3.140286 95.945086 95.945086
## LD2 0.138574 NaN 4.054914 100.000000

Test MANOVA

Scientisttools forunit un test de sgnificativité globale du modèle.

# Significativité globale du modèle

print(my_cda.manova_)

## Multivariate linear model

## ============================================================
##
## ------------------------------------------------------------
## Qualite Value Num DF Den DF F Value Pr > F
## ------------------------------------------------------------
## Wilks' lambda 0.2053 8.0000 56.0000 8.4505 0.0000
## Pillai's trace 0.8880 8.0000 58.0000 5.7896 0.0000
## Hotelling-Lawley trace 3.4174 8.0000 37.7500 11.7280 0.0000
## Roy's greatest root 3.2789 4.0000 29.0000 23.7717 0.0000
## ============================================================

Nous nous intéressons en particulier à la ligne relative à « Wilks’ Lambda ».

Performance globale

Nosu affichons les valeurs des statistiques suivantes : Lambda de Wilks, Transformation de
Bartlett et de RAO.

# Performance globale
print(my_cda.global_performance_)

## Stat Value p-value

## 0 Wilks' Lambda 0.205263 NaN
## 1 Bartlett -- C(8) 46.712169 1.739815e-07
## 2 Rao -- F(8,56) 8.450507 1.890358e-07

L’écartement entre les barycentres conditionnels est significatif à 5%. L’analyse discriminante
est viable dans ce contexte.

9
Test sur un ensemble de facteurs

Combien de facteurs faut - il retenir ?.

# Test sur un ensemble de facteur

print(my_cda.likelihood_test_)

## statistic DDL num. DDL den. Pr>F

## 0 8.450507 8.0 56.0 1.890358e-07
## 1 1.339549 3.0 29.0 2.807850e-01

Matrices de covariance

Elles sont directement fournies par l’objet « scientisttools »

Matrice de covariance intra - classe

# Covariance intra - classe

print(my_cda.wcov_)

## Temperature Soleil Chaleur Pluie

## Temperature 6991.827094 1714.255793 420.615865 392.273619
## Soleil 1714.255793 5946.834447 154.271168 -144.059715
## Chaleur 420.615865 154.271168 48.952094 -31.750446
## Pluie 392.273619 -144.059715 -31.750446 5249.976827

Matrice de covariance totale

# Covariance totale
print(my_cda.tcov_)

## Temperature Soleil Chaleur Pluie

## Temperature 19346.750865 12360.302768 1187.420415 -5130.448097
## Soleil 12360.302768 15561.807093 795.792388 -5317.760381
## Chaleur 1187.420415 795.792388 97.380623 -356.451557
## Pluie -5130.448097 -5317.760381 -356.451557 8108.540657

Matrice de covariance inter - classe

# Matrice de covaiance inter - classe

print(my_cda.bcov_)

## Temperature Soleil Chaleur Pluie

## Temperature 12354.923771 10646.046975 766.804551 -5522.721715
## Soleil 10646.046975 9614.972646 641.521220 -5173.700666
## Chaleur 766.804551 641.521220 48.428528 -324.701111
## Pluie -5522.721715 -5173.700666 -324.701111 2858.563830

10
Interprétation des facteurs

Elle permet la compréhension de la nature des facteurs.

Corrélation totale

# Correlation totale
print(my_cda.tcorr_)

## LD1 LD2
## Temperature -0.900589 -0.374779
## Soleil -0.896744 0.116190
## Chaleur -0.770513 -0.590030
## Pluie 0.662815 -0.361294

Correlation intra - classe

# Correlation intra - classe

print(my_cda.wcorr_)

## LD1 LD2
## Temperature -0.724221 -0.584256
## Soleil -0.701280 0.176148
## Chaleur -0.525372 -0.779910
## Pluie 0.398218 -0.420797

Correlation inter - classe

# Corrélation inter - classe

print(my_cda.bcorr_)

## LD1 LD2
## Temperature -0.986651 -0.211244
## Soleil -0.998654 0.002625
## Chaleur -0.957391 -0.335599
## Pluie 0.976576 -0.166812

Prediction des classes

Considérons l’année 19858. Les données (hypothétiques) de cette année sont :

## Inidvidu supplémentaire
XTest = [Link]({"Temperature" : 3000,
"Soleil" : 1100,
"Chaleur" : 20,
"Pluie" : 300},index=[1958])
XTest

11
## Temperature Soleil Chaleur Pluie
## 1958 3000 1100 20 300

Coordonnées factorielles

# Coordonées factorielles
row_sup_coord = my_cda.transform(XTest)
print(row_sup_coord)

## LD1 LD2
## 1958 2.027679 -0.569395

fig, axe = [Link](figsize=(16,8))

plotCANDISC(my_cda,color=["blue",'#5DC83F','red'],marker=['o',"*",'>'],ax=axe)
[Link](row_sup_coord["LD1"],row_sup_coord["LD2"])
[Link]()

Canonical Discriminant Analysis

1.5

1.0

0.5
Canonical 2

0.0
Classe
0.5 Bon
Mediocre
Moyen
1.0

1.5

2.0

4 3 2 1 0 1 2 3 4
Canonical 1

La fonction predict() permet de produire les prédictions à partir de la matrice des explicatives
en test.

# Prédiction simple
pred = my_cda.predict(XTest)
print(pred)

## predict
## 1958 Mediocre

12
Fonctions de classement explicites

La classe CANDISC de scientisttools retourne les fonctions de décision issues de l’analyse fac-
torielle discriminante. Pour celà, il faut spécifier l’argument « choice == "score".

# Fonctions de décision - AFD

score_coef = get_candisc_coef(my_cda,choice = "score")
print(score_coef)

## Bon Mediocre Moyen

## Temperature 0.018164 -0.017821 0.001277
## Soleil 0.012925 -0.015263 0.003726
## Chaleur -0.022716 0.084484 -0.069449
## Pluie -0.010768 0.013562 -0.004026
## Intercept -72.590473 65.609287 -7.191833

Prédiction des classes sur l’échantillon d’apprentissage

import numpy as np
# Prédiction sur XTrain
X = donnee[[Link][:-1]]
y_pred = my_cda.predict(X)

# Distribution des classes prédictes

print([Link](y_pred,return_counts=True))

## (array(['Bon', 'Mediocre', 'Moyen'], dtype=object), array([11, 11, 12], dtype=int64))

11 observations ont été prédite « Bon », 11 « Medicocre » et 12 « Moyen ».

Matrice de confusion et taux de bon classement

La matrice de confusion est issue de la confrontation entre ces prédictions et les classes observées.
Nous faisons appel au module « metrics » de la librairie « scikit-learn ».

# Matrice de confusion
from [Link] import confusion_matrix, ConfusionMatrixDisplay
cm = confusion_matrix([Link],y_pred,labels=my_cda.classes_)
disp = ConfusionMatrixDisplay(confusion_matrix=cm,
display_labels=my_cda.classes_)
[Link]();
[Link]()

13
 10

Bon 9 0 2
8

6
True label

Mediocre 0 10 2
4

2 1 8 2
Moyen

0
Bon Mediocre Moyen
Predicted label

La fonction score() nous donne le taux de reconnaissance (ou taux de succès).

# Taux de succès
print(my_cda.score(X,[Link]))

## 0.7941176470588235

Notre taux de succès est de 79%.

La fonction classification_report() génère un rapport sur les performances globales, mais
aussi sur les reconnaissances par classe (rappel, précision et F-Measure[F1-Score])

# rapport
from [Link] import classification_report
print(classification_report([Link],y_pred))

## precision recall f1-score support

##
## Bon 0.82 0.82 0.82 11
## Mediocre 0.91 0.83 0.87 12
## Moyen 0.67 0.73 0.70 11
##
## accuracy 0.79 34
## macro avg 0.80 0.79 0.79 34
## weighted avg 0.80 0.79 0.80 34

Nous retrouvons, entre autres le taux de succès de 79%.

14
Probabilité d’appartenance

« scientisttools » peut aussi calculer les probabilités d’affectation aux classes avec predict_proba().
Elle permettent une analyse plus fine de la qualité du modèle, via la construction de la courbe
ROC par exemple, dont le principe reste valable pour les problèmes multi - classes.

# Probabilité d'appartenance
print(my_cda.predict_proba(X).head(6))

## Bon Mediocre Moyen

## Annee
## 1924 0.006695 0.344613 0.648692
## 1925 0.000045 0.958846 0.041109
## 1926 0.009222 0.698039 0.292739
## 1927 0.000009 0.986519 0.013472
## 1928 0.641715 0.031256 0.327029
## 1929 0.933408 0.000094 0.066499

Sélection de variables

Limiter le modèle aux variables explicatives pertinentes est primordial pour l’interprétation et
le deploiement des modèles.
Actuellement sous « scientisttools », seule la sélection backward est disponible.

# Selection backward
from scientisttools.discriminant_analysis import STEPDISC
stepdisc = STEPDISC(method="backward",alpha=0.01,model_train=True,verbose=True)
[Link](my_cda)

## Wilks L. Partial L. F p-value

## Temperature 0.213053 0.750263 4.660113 0.017906
## Soleil 0.220777 0.724016 5.336596 0.010876
## Chaleur 0.181627 0.880076 1.907721 0.167217
## Pluie 0.205825 0.776611 4.027032 0.029030
##
## Wilks L. Partial L. F p-value
## Temperature 0.281219 0.645857 7.950792 0.001766
## Soleil 0.247078 0.735102 5.225166 0.011535
## Pluie 0.229942 0.789886 3.857090 0.032710
##
## Wilks L. Partial L. F p-value
## Temperature 0.358983 0.640536 8.417873 0.001254
## Soleil 0.339493 0.677309 7.146457 0.002896
##
## STEPDISC(method='backward', model_train=True)

# Modèle optimal
stepdisc.train_model_

15
## CANDISC(features_labels=['Temperature', 'Soleil'],
## row_labels=Int64Index([1924, 1925, 1926, 1927, 1928, 1929, 1930, 1931, 1932, 1933
## 1935, 1936, 1937, 1938, 1939, 1940, 1941, 1942, 1943, 1944, 1945,
## 1946, 1947, 1948, 1949, 1950, 1951, 1952, 1953, 1954, 1955, 1956,
## 1957],
## dtype='int64', name='Annee'),
## target=['Qualite'])

# Représentation graphique
fig, axe =[Link](figsize=(16,8))
plotCANDISC(stepdisc.train_model_,
color=["blue",'#5DC83F','red'],
marker=['o',"*",'>'],ax=axe)
[Link]()

Canonical Discriminant Analysis

1.5

1.0

0.5

0.0
Canonical 2

Classe
0.5 Bon
Mediocre
Moyen
1.0

1.5

2.0

4 3 2 1 0 1 2 3
Canonical 1

# Summary
summaryCANDISC(stepdisc.train_model_,to_markdown=False)

## Canonical Discriminant Analysis - Results

##
##
## Summary Information
## Total Sample Size Variables ... DF Within Classes DF Between Classes
## value 34 2 ... 31 2
##
## [1 rows x 6 columns]
##
## Class Level information
## n(k) p(k)
## Qualite
## Mediocre 12 0.352941
## Bon 11 0.323529

16
## Moyen 11 0.323529
##
## Importance of components
## LD1 LD2
## Variance 2.643 0.053
## Difference 2.590 NaN
## % of var. 98.020 1.980
## Cumulative of % of var. 98.020 100.000
##
## Group means:
## Temperature Soleil
## Qualite
## Bon 3306.364 1363.636
## Mediocre 3037.333 1126.417
## Moyen 3140.909 1262.909
##
## Coefficients of canonical discriminants:
## LD1 LD2
## Temperature -0.007 -0.009
## Soleil -0.007 0.010
## Intercept 32.868 16.032
##
## Classification functions coefficients:
## Bon Mediocre Moyen
## Temperature 0.016 -0.012 -0.003
## Soleil 0.013 -0.015 0.003
## Intercept -70.474 54.095 4.269
##
## Individuals (the 10 first)
##
## LD1 LD2
## Annee
## 1924 1.046 0.380
## 1925 2.629 -0.577
## 1926 0.876 -1.168
## 1927 2.615 -2.227
## 1928 -0.729 -0.690
## 1929 -1.850 0.445
## 1930 2.683 -2.223
## 1931 1.807 1.083
## 1932 1.972 -0.405
## 1933 -1.662 -0.819
##
## Continues variables
##
## total.1 between.1 within.1 total.2 between.2 within.2
## Temperature -0.933 -0.995 -0.813 -0.359 -0.149 -0.582
## Soleil -0.917 -0.993 -0.777 0.399 0.065 0.630

Bien qu’il soit possible de déduire un mécanisme de classement en analyse factorielle discrimi-
nante, sa finalité est bien différente de l’analyse discriminante linéaire, prédictive. Mais les deux
approches se rejoignent.

17
Pour plus d’informations sur l’AFD sous scientisttools, consulter le notebook
[Link]

18