ACM 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 des Correspondances Multiples.

Présentation des données

Nous illustrons l’analyse des correspondances multiples à l’aide d’un exemple sur les données
« Races Canines » extraites de l’ouvrage de Tenenhaus.

# Chargement des données

import pandas as pd
# Données actives
A = pd.read_excel("./donnee/races_canines_acm.xls",header=0,sheet_name=0,index_col=0)
# Individus supplémentaires
B = pd.read_excel("./donnee/races_canines_acm.xls",header=0,sheet_name=1,index_col=0)
# Variables qualitative supplémentaires
C = pd.read_excel("./donnee/races_canines_acm.xls",header=0,sheet_name=2,index_col=0)
# Variables quantitatives supplémentaires
D = pd.read_excel("./donnee/races_canines_acm.xls",header=0,sheet_name=3,index_col=0)
[Link] = [Link] = [Link]
# Concaténation
Data = [Link]([[Link]([A,B],axis=0),C,D],axis=1)
[Link]()

## <class '[Link]'>
## Index: 33 entries, Beauceron to Wisky
## Data columns (total 8 columns):
## # Column Non-Null Count Dtype
## --- ------ -------------- -----
## 0 Taille 33 non-null object
## 1 Poids 33 non-null object
## 2 Velocite 33 non-null object
## 3 Intelligence 33 non-null object
## 4 Affection 33 non-null object
## 5 Agressivite 33 non-null object
## 6 Fonction 27 non-null object
## 7 Cote 27 non-null float64
## dtypes: float64(1), object(7)
## memory usage: 2.3+ KB

Ces données décrivent les caractéristiques de 27 races de chiens au moyen de variables qualita-
tives.

1
La première colonne du tableau 1 correspond à l’identifiant des observations. Les 6 premières
variables sont considérés comme actives : Taille, Poids, Vélocité, Intelligence, Affection, Agressi-
vité. La 7ème variable « Fonction » est considérée comme variable illustrative qualitative tandis
que la 8ème comme variable illustrative quantitative. Les modalités des différentes variables sont
les suivantes :
— Taille, Poids, vélocité, intelligence : faible (-), moyenn (+), fort (++)
— Affection, agressivité : faible (-), fort(+)
— fonction : compagnie, chasse, utilité.
La variable cote est une variable que nous avons pris soins de créer afin d’illustrer le concept de
variable illustrative quantitative en ACM.
Table 1 – Données Races Canines

Taille Poids Velocite Intelligence Affection Agressivite Fonction Cote

Beauceron Taille++ Poids+ Veloc++ Intell+ Affec+ Agress+ utilite 2.5
Basset Taille- Poids- Veloc- Intell- Affec- Agress+ chasse 4.5
Berger All Taille++ Poids+ Veloc++ Intell++ Affec+ Agress+ utilite 3.0
Boxer Taille+ Poids+ Veloc+ Intell+ Affec+ Agress+ compagnie 2.0
Bull-Dog Taille- Poids- Veloc- Intell+ Affec+ Agress- compagnie 4.5
Bull-Mastif Taille++ Poids++ Veloc- Intell++ Affec- Agress+ utilite 4.0
Caniche Taille- Poids- Veloc+ Intell++ Affec+ Agress- compagnie 2.0
Chihuahua Taille- Poids- Veloc- Intell- Affec+ Agress- compagnie 3.5
Cocker Taille+ Poids- Veloc- Intell+ Affec+ Agress+ compagnie 4.5
Colley Taille++ Poids+ Veloc++ Intell+ Affec+ Agress- compagnie 2.0
Dalmatien Taille+ Poids+ Veloc+ Intell+ Affec+ Agress- compagnie 2.5
Doberman Taille++ Poids+ Veloc++ Intell++ Affec- Agress+ utilite 3.0
Dogue All Taille++ Poids++ Veloc++ Intell- Affec- Agress+ utilite 4.0
Epag. Breton Taille+ Poids+ Veloc+ Intell++ Affec+ Agress- chasse 3.5
Epag. Français Taille++ Poids+ Veloc+ Intell+ Affec- Agress- chasse 2.5
Fox-Hound Taille++ Poids+ Veloc++ Intell- Affec- Agress+ chasse 3.0
Fox-Terrier Taille- Poids- Veloc+ Intell+ Affec+ Agress+ compagnie 4.5
Gd Bleu Gasc Taille++ Poids+ Veloc+ Intell- Affec- Agress+ chasse 3.5
Labrador Taille+ Poids+ Veloc+ Intell+ Affec+ Agress- chasse 2.0
Levrier Taille++ Poids+ Veloc++ Intell- Affec- Agress- chasse 2.5
Mastiff Taille++ Poids++ Veloc- Intell- Affec- Agress+ utilite 4.0
Pekinois Taille- Poids- Veloc- Intell- Affec+ Agress- compagnie 3.0
Pointer Taille++ Poids+ Veloc++ Intell++ Affec- Agress- chasse 3.5
St-Bernard Taille++ Poids++ Veloc- Intell+ Affec- Agress+ utilite 4.5
Setter Taille++ Poids+ Veloc++ Intell+ Affec- Agress- chasse 2.0
Teckel Taille- Poids- Veloc- Intell+ Affec+ Agress- compagnie 2.5
Terre-Neuve Taille++ Poids++ Veloc- Intell+ Affec- Agress- utilite 3.0
Medor Taille+ Poids- Veloc- Intell++ Affec- Agress+ NA NaN
Djeck Taille++ Poids++ Veloc+ Intell+ Affec+ Agress- NA NaN
Taico Taille- Poids+ Veloc++ Intell++ Affec+ Agress+ NA NaN
Rocky Taille+ Poids+ Veloc+ Intell- Affec+ Agress- NA NaN
Boudog Taille- Poids- Veloc++ Intell+ Affec- Agress+ NA NaN
Wisky Taille+ Poids++ Veloc- Intell- Affec+ Agress+ NA NaN

Les principales questions auxquelles nous nous posons sont les suivantes :
— Quels sont les chiens qui se ressemblent ? Quels sont les chiens qui sont dissemblables ?
(proximité entre les individus)
— Sur quels caractères sont fondées ces ressemblances/dissemblances ?
— Quelles sont les associations entre les modalités ? Par exemple, un animal de grande taille
est - il plus agressif ou moins agressif ?
— Quelles sont les relations entre les variables ? Par exemple y a-t-il une relation entre la

2
 taille et l’agressivité ou bien sont - ce des caractères orthogonaux.
A partir du tableau 1, on remarque que les paires de chiens (Bull - Dog, Teckel), (Chihuahua,
Pékinois) et (Dalmatien, Labrador) sont des valeurs identiques pour les 7 variables, il y aura
donc des observations confondues.
A l’aide d’un diagramme à barres, nous visualisons nos différentes variables :

# Diagramme à barres
import [Link] as plt
fig = [Link](figsize=(16,8))
for i, name in enumerate([Link]):
ax = fig.add_subplot(2,3,i+1)
A[name].value_counts().[Link](ax=ax)
[Link](title=name)
[Link](visible=True)
plt.tight_layout()

Taille Poids Velocite

14 10
14
12
12 8
10
10
8 6
8
6 6 4
4 4
2
2 2
0 0 0
Poids+

Poids-

Poids++
Taille++

Taille-

Taille+

Veloc-

Veloc++

Veloc+
Intelligence Affection Agressivite
14 14
12
12 12
10
10 10
8
8 8
6 6 6
4 4 4
2 2 2
0 0 0
Affec+

Affec-

Agress-

Agress+
Intell+

Intell-

Intell++

ACM

Objectifs

L’objectif est de trouver un système de représentation (répère factoriel) qui préserve au mieux
les distances entre les individus, qui permet de discerner le mieux possible les individus entre
eux, qui maximise les (le carré des) écarts à l’origine.

Chargement de scientisttools

from [Link] import MCA

3
Individus et variables actifs

On crée une instance de la classe MCA, en lui passant ici des étiquettes pour les lignes et les
variables. Ces paramètres sont facultatifs ; en leur absence, le programme détermine automati-
quement des étiquettes.

# Instanciation
my_mca = MCA(n_components=None,
row_labels=[Link],
var_labels=[Link],
mod_labels=None,
matrix_type="completed",
benzecri=True,
greenacre=True,
row_sup_labels=None,
quali_sup_labels=None,
quanti_sup_labels=None,
parallelize=False)

On estime le modèle en appliquant la méthode fit de la classe MCA sur le jeu de données.

# Estimation du modèle
my_mca.fit(A)

## MCA(row_labels=Index(['Beauceron', 'Basset', 'Berger All', 'Boxer', 'Bull-Dog', 'Bull-Mas

## 'Caniche', 'Chihuahua', 'Cocker', 'Colley', 'Dalmatien', 'Doberman',
## 'Dogue All', 'Epag. Breton', 'Epag. Français', 'Fox-Hound',
## 'Fox-Terrier', 'Gd Bleu Gasc', 'Labrador', 'Levrier', 'Mastiff',
## 'Pekinois', 'Pointer', 'St-Bernard', 'Setter', 'Teckel', 'Terre-Neuve'],
## dtype='object', name='Chien'),
## var_labels=Index(['Taille', 'Poids', 'Velocite', 'Intelligence', 'Affection',
## 'Agressivite'],
## dtype='object'))

Les valeurs propres

L’exécution de la méthode my_mca.fit(A) provoque le calcul des attributs parmi lesquels

my_mca.eig_ pour les valeurs propres.

# Valeurs propres
print(my_mca.eig_)

## [[4.81606165e-01 3.84737288e-01 2.10954049e-01 1.57554025e-01

## 1.50132670e-01 1.23295308e-01 8.14624601e-02 4.56697566e-02
## 2.35419107e-02 7.71303416e-03]
## [9.68688769e-02 1.73783238e-01 5.34000239e-02 7.42135546e-03
## 2.68373618e-02 4.18328480e-02 3.57927036e-02 2.21278458e-02
## 1.58288765e-02 7.71303416e-03]
## [2.88963699e+01 2.30842373e+01 1.26572430e+01 9.45324152e+00
## 9.00796020e+00 7.39771849e+00 4.88774761e+00 2.74018539e+00

4
## 1.41251464e+00 4.62782050e-01]
## [2.88963699e+01 5.19806071e+01 6.46378501e+01 7.40910916e+01
## 8.30990518e+01 9.04967703e+01 9.53845179e+01 9.81247033e+01
## 9.95372180e+01 1.00000000e+02]]

L’attribut my_mca.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_mca))

## eigenvalue difference proportion cumulative

## Dim.1 0.481606 0.096869 28.896370 28.896370
## Dim.2 0.384737 0.173783 23.084237 51.980607
## Dim.3 0.210954 0.053400 12.657243 64.637850
## Dim.4 0.157554 0.007421 9.453242 74.091092
## Dim.5 0.150133 0.026837 9.007960 83.099052
## Dim.6 0.123295 0.041833 7.397718 90.496770
## Dim.7 0.081462 0.035793 4.887748 95.384518
## Dim.8 0.045670 0.022128 2.740185 98.124703
## Dim.9 0.023542 0.015829 1.412515 99.537218
## Dim.10 0.007713 0.007713 0.462782 100.000000

Le nombre de modalités actives est 16(3 × 4 + 2 × 2), ce qui conduit à 10 facteurs et à une inertie
16 5
totale de − 1 = = 1.667.
6 3
Les valeurs propres peuvent être représentées graphiquement

from [Link] import fviz_eigenvalue

print(fviz_eigenvalue(my_mca,choice="eigenvalue", add_kaiser=True))

5
 Scree plot
0.5

0.4

0.3
Eigenvalue

0.2
Kaiser threshold
0.1

0
1 2 3 4 5 6 7 8 9 10
Dimensions

print(fviz_eigenvalue(my_mca,choice="proportion"))

Scree plot
30
Percentage of explained variances

20

10

0
1 2 3 4 5 6 7 8 9 10
Dimensions

Le critère de Kaiser conduit à ne retenir que trois axes, le diagramme des valeurs propres montre
cependant une chute après λ2 . On interprètera donc uniquement les deux premiers axes.

6
Correction de Benzécri

La correction de Benzécri s’appuie sur l’idée qu’une partie de l’information est rédondante dans
les données présentées à l’algorithme de l’ACM.

# Correction de Benzécri
my_mca.benzecri_correction_

## eigenvalue proportion cumulative

## Dim.1 0.142829 66.701311 66.701311
## Dim.2 0.068479 31.979703 98.681014
## Dim.3 0.002824 1.318986 100.000000

Correction de Greenacre

La correction de Greenacre s’appuie sur la correction de Benzécri mais reconsidère la proportion

d’inertie portée par les facteurs. Une partie de l’information est triviale dans le tableau de Burt,
il s’agit du croisement endogène de chaque variable.

# Correction de Greenacre
my_mca.greenacre_correction_

## eigenvalue proportion cumulative

## Dim.1 0.142829 54.450544 54.450544
## Dim.2 0.068479 26.106117 80.556662
## Dim.3 0.002824 1.076733 81.633395

On peut obtenir un résumé des principaux résultats en utilisant la fonction summaryMCA.

from [Link] import summaryMCA

summaryMCA(my_mca)

## Multiple Correspondance Analysis - Results

##
## Importance of components
## Dim.1 Dim.2 Dim.3 ... Dim.8 Dim.9 Dim.10
## Variance 0.482 0.385 0.211 ... 0.046 0.024 0.008
## Difference 0.097 0.174 0.053 ... 0.022 0.016 0.008
## % of var. 28.896 23.084 12.657 ... 2.740 1.413 0.463
## Cumulative of % of var. 28.896 51.981 64.638 ... 98.125 99.537 100.000
##
## [4 rows x 10 columns]
##
## Individuals (the 10 first)
##
## d(i,G) p(i) I(i,G) Dim.1 ... cos2 Dim.3 ctr cos2
## Chien ...
## Beauceron 1.065 0.037 0.042 -0.317 ... 0.154 -0.101 0.181 0.009
## Basset 1.382 0.037 0.071 0.254 ... 0.635 -0.191 0.638 0.019

7
## Berger All 1.241 0.037 0.057 -0.486 ... 0.140 -0.498 4.357 0.161
## Boxer 1.341 0.037 0.067 0.447 ... 0.433 0.692 8.408 0.266
## Bull-Dog 1.282 0.037 0.061 1.013 ... 0.184 -0.163 0.469 0.016
## Bull-Mastif 1.446 0.037 0.077 -0.753 ... 0.143 0.498 4.347 0.118
## Caniche 1.470 0.037 0.080 0.912 ... 0.000 -0.577 5.836 0.154
## Chihuahua 1.364 0.037 0.069 0.841 ... 0.383 -0.470 3.877 0.119
## Cocker 1.388 0.037 0.071 0.733 ... 0.003 0.662 7.700 0.228
## Colley 1.054 0.037 0.041 -0.117 ... 0.249 -0.335 1.969 0.101
##
## [10 rows x 12 columns]
##
## Categories
##
## d(k,G) p(k) I(k,G) Dim.1 ... Dim.3 ctr cos2 vtest
## Taille_Taille+ 2.098 0.031 0.136 0.851 ... 1.016 15.104 0.235 2.470
## Taille_Taille++ 0.894 0.093 0.074 -0.837 ... -0.051 0.115 0.003 -0.292
## Taille_Taille- 1.690 0.043 0.123 1.185 ... -0.616 7.772 0.133 -1.858
## Poids_Poids+ 0.964 0.086 0.080 -0.305 ... -0.231 2.191 0.058 -1.224
## Poids_Poids++ 2.098 0.031 0.136 -1.015 ... 1.222 21.833 0.339 2.970
## Poids_Poids- 1.541 0.049 0.117 1.169 ... -0.359 3.013 0.054 -1.187
## Velocite_Veloc+ 1.541 0.049 0.117 0.604 ... 0.356 2.972 0.053 1.179
## Velocite_Veloc++ 1.414 0.056 0.111 -0.892 ... -0.763 15.335 0.291 -2.751
## Velocite_Veloc- 1.304 0.062 0.105 0.320 ... 0.402 4.722 0.095 1.571
## Intelligence_Intell+ 1.038 0.080 0.086 0.369 ... 0.493 9.253 0.226 2.423
##
## [10 rows x 15 columns]
##
## Categorical variables
##
## I(j,G) eta2.1 ctr.1 cos2.1 ... cos2.2 eta2.3 ctr.3 cos2.3
## Taille 0.333 0.887 184.191 0.444 ... 0.251 0.291 137.951 0.146
## Poids 0.333 0.644 133.729 0.322 ... 0.362 0.342 162.226 0.171
## Velocite 0.333 0.411 85.376 0.206 ... 0.342 0.291 138.177 0.146
## Intelligence 0.333 0.127 26.321 0.063 ... 0.140 0.234 110.787 0.117
## Affection 0.167 0.648 134.478 0.648 ... 0.077 0.004 1.887 0.004
## Agressivite 0.167 0.173 35.906 0.173 ... 0.041 0.103 48.972 0.103
##
## [6 rows x 10 columns]

Représentation graphique

# Carte des individus

from [Link] import fviz_mca_ind
print(fviz_mca_ind(my_mca,color="blue",repel=True))

8
 Individuals factor map - MCA
Basset
1
Mastiff Pekinois
Chihuahua
St-Bernard Bull-Dog
0.5 Dogue All Bull-Mastif Terre-Neuve Teckel
Dim.2 (23.08%)

Fox-Terrier
Fox-Hound Cocker
0 Levrier Caniche
Gd Bleu Gasc
Doberman
Pointer Setter Beauceron
0.5 Berger All Epag. Français
Colley

Boxer Dalmatien
1 Labrador
Epag. Breton
1 0.5 0 0.5 1
Dim.1 (28.9%)

# Carte des modalités

from [Link] import fviz_mca_mod
print(fviz_mca_mod(my_mca,color="red",repel=True))

Qualitatives variables categories - MCA

Veloc-
1 Poids++ Taille-
Intell- Poids-

0.5
Affec-
Agress+
Dim.2 (23.08%)

0 Taille++
Agress-
Intell+ Affec+
Veloc++
Intell++
0.5

Poids+
Veloc+
1
Taille+

1 0.5 0 0.5 1
Dim.1 (28.9%)

9
# Carte des variables
from [Link] import fviz_mca_var
print(fviz_mca_var(my_mca,color="blue",repel=True))

Graphe of variables - MCA

1

0.75 Poids
Velocite
Dim.2 (23.08%)

0.50 Taille

Intelligence
0.25

Affection
Agressivite
0
0 0.25 0.50 0.75 1
Dim.1 (28.9%)

ACM avec les éléments supplémentaires

Les individus illustratifs et les variables illustratives n’influencent pas la construction des com-
posantes principales de l’analyse. Ils/Elles aident à l’interprétation des dimensions de variabilité.
On peut ajouter deux types de variables : continues et qualitatives.
On ajoute la variable « Cote » comme variable continue illustrative quantitative et « Fonction »
comme variable qualitative. Tapez la ligne de code suivante :

# ACM avec les éléments supplémentaires

my_mca2 = MCA(n_components=None,
row_labels=[Link],
var_labels=[Link],
mod_labels=None,
matrix_type="completed",
benzecri=True,
greenacre=True,
row_sup_labels=[Link],
quali_sup_labels=["Fonction"],
quanti_sup_labels=["Cote"],
parallelize=False)

10
# Estimation
my_mca2.fit(Data)

## MCA(quali_sup_labels=['Fonction'], quanti_sup_labels=['Cote'],
## row_labels=Index(['Beauceron', 'Basset', 'Berger All', 'Boxer', 'Bull-Dog', 'Bull-Mas
## 'Caniche', 'Chihuahua', 'Cocker', 'Colley', 'Dalmatien', 'Doberman',
## 'Dogue All', 'Epag. Breton', 'Epag. Français', 'Fox-Hound',
## 'Fox-Terrier', 'Gd Bleu Gasc', 'Labrador', 'Levrier', 'Mastiff',
## 'Pekinois', 'Pointer', 'St-Bernard', 'Setter', 'Teckel', 'Terre-Neuve'],
## dtype='object', name='Chien'),
## row_sup_labels=Index(['Medor', 'Djeck', 'Taico', 'Rocky', 'Boudog', 'Wisky'], dtype='
## var_labels=Index(['Taille', 'Poids', 'Velocite', 'Intelligence', 'Affection',
## 'Agressivite'],
## dtype='object'))

# Carte des individus

from [Link] import plotMCA
fig, axe = [Link](figsize=(10,10))
plotMCA(my_mca2,choice="ind",ind_sup=True,repel=True,ax=axe)
[Link]()

Individuals - MCA
Basset
1.0
Mastiff
Chihuahua
Pekinois

St-Bernard
Bull-Dog
Dogue All Bull-Mastif Terre-Neuve Teckel
0.5
Boudog
Wisky

Medor
Fox-Terrier
Dim.2 (23.08%)

Cocker
Fox-Hound
0.0 Caniche
Levrier Gd Bleu Gasc
Djeck
Taico
Doberman
Setter
Pointer Beauceron
0.5 Berger All Epag. Français
Colley
Rocky

Boxer
Dalmatien
1.0 Labrador
Epag. Breton
1.0 0.5 0.0 0.5 1.0
Dim.1 (28.9%)

11
# Carte des modalités
print(fviz_mca_mod(my_mca2,color="blue",repel=True))

Qualitatives variables categories - MCA

Veloc-
1 Poids++ Taille-
Intell- Poids-

0.5
utilite
Affec-
Agress+
Dim.2 (23.08%)

compagnie
0 Taille++
Agress-
Intell+ Affec+
Veloc++ chasse
Intell++
0.5

Poids+
Veloc+
1
Taille+

1 0.5 0 0.5 1
Dim.1 (28.9%)

Interprétation des axes

Des graphiques qui permettent d’interpréter rapidement les axes : on choisit un axe factoriel (le
1er axe dans notre exemple) et on observe quels sont les points lignes et colonnes qui présentent
les plus fortes contributions et cos2 pour cet axe.

# Classement des points lignes en fonction de leur contribution au 1er axe

from [Link] import plot_contrib, plot_cosines
fig, axe = [Link](figsize=(16,8))
plot_contrib(my_mca,choice="ind",axis=0,top_contrib=10,ax=axe)
[Link]()

12
 Contribution of individuals to Dim-1

Dogue All

Teckel

Bull-Dog

Caniche

Fox-Terrier
individuals

Fox-Hound

Doberman

Chihuahua

Pekinois

Mastiff

0 1 2 3 4 5 6 7 8
Contributions (%)

# Classement des modalités en fonction de leur contribution au 1er axe

fig, axe = [Link](figsize=(16,8))
plot_contrib(my_mca,choice="mod",axis=0,ax=axe)
[Link]()

Contribution of categories to Dim-1

Poids_Poids-

Taille_Taille++

Taille_Taille-

Affection_Affec-

Affection_Affec+
categories

Velocite_Veloc++

Poids_Poids++

Taille_Taille+

Velocite_Veloc+

Agressivite_Agress+

0 2 4 6 8 10 12 14
Contributions (%)

# Classement des individus en fonction de leur cos2 sur le 1er axe

fig, axe = [Link](figsize=(16,8))
plot_cosines(my_mca,choice="ind",axis=0,top_cos2=10,ax=axe)
[Link]()

13
 Cosinus of individuals to Dim-1

Teckel

Bull-Dog

Dogue All

Fox-Hound

Doberman
individuals

Fox-Terrier

Caniche

Chihuahua

Pekinois

Levrier

0.0 0.2 0.4 0.6 0.8 1.0

Cos2 - Quality of representation

# Classement des modalités en fonction de leur cos2 sur le 1er axe

fig, axe = [Link](figsize=(16,8))
plot_cosines(my_mca,choice="mod",axis=0,ax=axe)
[Link]()

Cosinus of categories to Dim-1

Taille_Taille++

Affection_Affec+

Affection_Affec-

Poids_Poids-

Taille_Taille-
categories

Velocite_Veloc++

Poids_Poids++

Agressivite_Agress+

Agressivite_Agress-

Taille_Taille+

0.0 0.2 0.4 0.6 0.8 1.0

Cos2 - Quality of representation

Approche Machine Learning

Ici, l’objectif est d’utiliser l’Analyse des Correspondances Multiples en tant que méthode de
prétraitement.
La classe MCA implémente les méthodes fit, transform et fit_transform bien connues des
utilisateurs de scikit-learn.

my_mca.transform(A)[:5,:]

## array([[-0.31720005, -0.4177013 , -0.10146771, -0.21143628, -0.11850954,

## -0.84491727, -0.08905015, 0.20198641, -0.16701884, 0.02280671],
## [ 0.25410984, 1.10122699, -0.19070097, 0.29263727, -0.52400852,
## 0.03989468, -0.05283316, -0.44736292, 0.10073837, 0.1471022 ],

14
## [-0.48639553, -0.46444958, -0.49813388, 0.57742525, 0.27590205,
## -0.56776484, 0.12909684, 0.18733032, -0.234185 , -0.00891993],
## [ 0.44736492, -0.88177794, 0.6920158 , 0.26000184, -0.45558984,
## -0.21374584, 0.00300768, -0.01981927, -0.00244629, 0.14090095],
## [ 1.01335218, 0.54987949, -0.1634232 , -0.34991927, 0.33078648,
## -0.20141418, -0.06354408, -0.07903568, -0.03560244, 0.06654325]])

my_mca.fit_transform(A)[:5,:]

## array([[-0.31720005, -0.4177013 , -0.10146771, -0.21143628, -0.11850954,

## -0.84491727, -0.08905015, 0.20198641, -0.16701884, 0.02280671],
## [ 0.25410984, 1.10122699, -0.19070097, 0.29263727, -0.52400852,
## 0.03989468, -0.05283316, -0.44736292, 0.10073837, 0.1471022 ],
## [-0.48639553, -0.46444958, -0.49813388, 0.57742525, 0.27590205,
## -0.56776484, 0.12909684, 0.18733032, -0.234185 , -0.00891993],
## [ 0.44736492, -0.88177794, 0.6920158 , 0.26000184, -0.45558984,
## -0.21374584, 0.00300768, -0.01981927, -0.00244629, 0.14090095],
## [ 1.01335218, 0.54987949, -0.1634232 , -0.34991927, 0.33078648,
## -0.20141418, -0.06354408, -0.07903568, -0.03560244, 0.06654325]])

Intégration dans une Pipeline de scikit-learn

La class MCA peut être intégrée dans une Pipeline de scikit-learn. Dans le cadre de notre
exemple, nous cherchons à prédire la 7ème variable (variable “Fonction”) à partir des 6 premières
variables du jeu de données.
“Fonction” est une variable catégorielle comprenant 3 catégories : “chasse”, “compagnie” et
“utilité”. Pour la prédire, nous allons utiliser un modèle de régression logistique qui prendra en
input des axes issus d’une Analyse des Correspondances Multiples pratiquée sur les données
brutes.
Dans un premier temps, et de façon tout à fait arbitraire, nous fixons le nombre de composantes
extraites à 4.

from [Link] import Pipeline

from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import GridSearchCV
import numpy as np

# X = features
X = A
# y = labels
y = C

# Construction de la Pipeline
# On enchaine une Analyse en Composantes Prnicipales (4 axes retenus)
# puis une régression logistique
pipe = Pipeline([("mca", MCA(n_components=4,var_labels=[Link])),
("logistic_regression",
LogisticRegression(multi_class="multinomial",
solver="lbfgs",penalty=None))])

15
# Estimation du modèle
[Link](X, y)

## Pipeline(steps=[('mca',
## MCA(n_components=4,
## var_labels=Index(['Taille', 'Poids', 'Velocite', 'Intelligence', 'Af
## 'Agressivite'],
## dtype='object'))),
## ('logistic_regression',
## LogisticRegression(multi_class='multinomial', penalty=None))])

On prédit

# Prédiction sur l'échantillon de test

print([Link](B))

## ['utilite' 'chasse' 'chasse' 'compagnie' 'chasse' 'utilite']

Le paramètre n_components peut faire l’objet d’une optimisation via GridSearchCV de scikit-
learn.
Nous reconstruisons donc une Pipeline, sans spécifier de valeur a priori pour n_components.

# Reconstruction d'une Pipeline, sans spécifier de valeur

# a priori pour n_components
pipe2 = Pipeline([("mca", MCA(var_labels=[Link])),
("logistic_regression", LogisticRegression(penalty=None))])

# Paramétrage de la grille de paramètres

# Attention à l'étendue des valeurs possibles pour pca__n_components !!!
param = [{"mca__n_components": [x + 1 for x in range(10)]}]

# Construction de l'obet GridSearchCV

grid_search = GridSearchCV(pipe2,
param_grid=param,
scoring="accuracy",
cv=5,
verbose=0)
# Estimation du modèle
grid_search.fit(X, y)

## GridSearchCV(cv=5,
## estimator=Pipeline(steps=[('mca',
## MCA(var_labels=Index(['Taille', 'Poids', 'Velocit
## 'Agressivite'],
## dtype='object'))),
## ('logistic_regression',
## LogisticRegression(penalty=None))]),
## param_grid=[{'mca__n_components': [1, 2, 3, 4, 5, 6, 7, 8, 9,
## 10]}],
## scoring='accuracy')

16
# Affichage du score optimal
grid_search.best_score_

## 0.82

# Affichage du paramètre optimal

grid_search.best_params_

## {'mca__n_components': 7}

# Prédiction sur l'échantillon de test

grid_search.predict(B)

## array(['utilite', 'chasse', 'utilite', 'chasse', 'compagnie', 'utilite'],

## dtype=object)

Pour plus d’informations sur l’ACM sous scientisttools, consulter le notebook

[Link]

17