AFDM 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 des Données Mixtes.

Présentation des données

L’analyse factorielle des données mixtes traite les tableaux individus-variables, lesquelles
sont composées d’un mix de quantitatives et qualitatives. Nous utilisons la base des
données « Autos 2005 » accessible sur la page de cours de Pierre-Louis Gonzalez
([Link] au CNAM. Notre base comporte (I = 38)
modèles de véhicules décrits par (K1 = 9) variables quantitatives (puissance, cylindrée, vitesse,
longueur, largeur, hauteur, poids, CO2 et prix) et (K2 = 3) variables qualitatives (origie avec 3
modalités : France, Europe, Autres ; carburant avec 2 modalités : diesel, essence ; type4X4 avec
2 modalités : oui, non).

Importation des données

# Chargement des données

import pandas as pd
# Données actives
A = pd.read_excel("./donnee/[Link]",sheet_name=0,index_col=0)
# Individus actifs
B = pd.read_excel("./donnee/[Link]",sheet_name=1,index_col=0)
# Variables illustratives quantitatives
C = pd.read_excel("./donnee/[Link]",sheet_name=2,index_col=0)
# Variables illustratives qualitatives
D = pd.read_excel("./donnee/[Link]",sheet_name=3,index_col=0)
[Link] = [Link] = [Link]
# Concaténation
Data = [Link]([[Link]([A,B],axis=0),C,D],axis=1)
# Affichage des caractéristiques
[Link]()

## <class '[Link]'>
## Index: 45 entries, ALFA 156 to MERCEDES
## Data columns (total 16 columns):
## # Column Non-Null Count Dtype
## --- ------ -------------- -----
## 0 puissance 45 non-null int64
## 1 cylindree 45 non-null int64

1
## 2 vitesse 45 non-null int64
## 3 longueur 45 non-null int64
## 4 largeur 45 non-null int64
## 5 hauteur 45 non-null int64
## 6 poids 45 non-null int64
## 7 CO2 45 non-null int64
## 8 prix 45 non-null int64
## 9 origine 45 non-null object
## 10 carburant 45 non-null object
## 11 type4X4 45 non-null object
## 12 coffre 38 non-null float64
## 13 reservoir 38 non-null float64
## 14 consommation 38 non-null float64
## 15 surtaxe 38 non-null object
## dtypes: float64(3), int64(9), object(4)
## memory usage: 6.0+ KB

Table 1 – Données Autos 2005

puissance cylindree vitesse longueur largeur hauteur poids CO2 prix origine carburant type4X4 coffre reservoir consommation surtaxe
ALFA 156 250 3179 250 443 175 141 1410 287 40800 Europe Essence type4X4_non 378 63 12.1 surtaxe_oui
AUDIA3 102 1595 185 421 177 143 1205 168 21630 Europe Essence type4X4_non 350 55 7.0 surtaxe_oui
AUDIA8 280 3697 250 506 203 145 1770 281 78340 Europe Essence type4X4_non 500 90 11.7 surtaxe_non
AVENSIS 115 1995 195 463 176 148 1400 155 26400 Autres Diesel type4X4_non 510 60 5.8 surtaxe_oui
BMW X5 218 2993 210 467 188 172 2095 229 52000 Europe Diesel type4X4_non 465 93 8.6 surtaxe_oui
BMW530 231 2979 250 485 185 147 1495 231 46400 Europe Essence type4X4_non 520 70 9.5 surtaxe_non
CHRYS300 340 5654 250 502 188 148 1835 291 54900 Autres Essence type4X4_non 442 72 12.2 surtaxe_non
CITRONC2 61 1124 158 367 166 147 932 141 10700 France Essence type4X4_non 224 41 5.9 surtaxe_non
CITRONC4 138 1997 207 426 178 146 1381 142 23400 France Diesel type4X4_non 314 60 5.4 surtaxe_oui
CITRONC5 210 2496 230 475 178 148 1589 238 33000 France Essence type4X4_non 471 65 10.0 surtaxe_non
CLIO 100 1461 185 382 164 142 980 113 17600 France Diesel type4X4_non 255 50 4.3 surtaxe_non
CORSA 70 1248 165 384 165 144 1035 127 13590 Europe Diesel type4X4_non 260 45 4.7 surtaxe_oui
FIESTA 68 1399 164 392 168 144 1138 117 14150 Europe Diesel type4X4_non 261 45 4.4 surtaxe_oui
GOLF 75 1968 163 421 176 149 1217 143 19140 Europe Diesel type4X4_non 350 55 5.4 surtaxe_oui
LAGUNA 165 1998 218 458 178 143 1320 196 25350 France Essence type4X4_non 430 70 8.2 surtaxe_non
LANDCRUI 204 4164 170 489 194 185 2495 292 67100 Autres Diesel type4X4_oui 403 96 11.1 surtaxe_oui
MAZDARX8 231 1308 235 443 177 134 1390 284 34000 Autres Essence type4X4_non 287 61 11.4 surtaxe_oui
MEGANECC 165 1998 225 436 178 141 1415 191 27800 France Essence type4X4_non 190 60 8.0 surtaxe_oui
MERC_A 140 1991 201 384 177 160 1340 141 24550 Europe Diesel type4X4_non 435 54 5.4 surtaxe_oui
MERC_E 204 3222 243 482 183 146 1735 183 46450 Europe Diesel type4X4_non 520 80 6.9 surtaxe_non
MODUS 113 1598 188 380 170 159 1170 163 16950 France Essence type4X4_non 198 49 6.8 surtaxe_oui
MONDEO 145 1999 215 474 194 143 1378 189 23100 Europe Essence type4X4_non 500 59 7.9 surtaxe_oui
MURANO 234 3498 200 477 188 171 1870 295 44000 Autres Essence type4X4_oui 438 82 12.3 surtaxe_oui
MUSA 100 1910 179 399 170 169 1275 146 17900 Europe Diesel type4X4_non 320 47 5.5 surtaxe_non
OUTLAND 202 1997 220 455 178 167 1595 237 29990 Autres Diesel type4X4_oui 402 60 10.0 surtaxe_oui
P1007 75 1360 165 374 169 161 1181 153 13600 France Essence type4X4_non 178 50 6.4 surtaxe_oui
P307CC 180 1997 225 435 176 143 1490 210 28850 France Essence type4X4_non 204 50 8.8 surtaxe_non
P407 136 1997 212 468 182 145 1415 194 23400 France Essence type4X4_non 407 66 8.2 surtaxe_non
P607 204 2721 230 491 184 145 1723 223 40550 France Diesel type4X4_non 468 80 8.4 surtaxe_oui
PANDA 54 1108 150 354 159 154 860 135 8070 Europe Essence type4X4_non 206 35 5.7 surtaxe_non
PASSAT 150 1781 221 471 175 147 1360 197 27740 Europe Essence type4X4_non 475 62 8.2 surtaxe_non
PTCRUISER 223 2429 200 429 171 154 1595 235 27400 Autres Essence type4X4_non 210 57 9.9 surtaxe_oui
SANTA_FE 125 1991 172 450 185 173 1757 197 27990 Autres Diesel type4X4_oui 833 65 7.5 surtaxe_oui
TWINGO 60 1149 151 344 163 143 840 143 8950 France Essence type4X4_non 168 40 6.0 surtaxe_non
VECTRA 150 1910 217 460 180 146 1428 159 26550 Europe Diesel type4X4_non 500 61 5.9 surtaxe_oui
VELSATIS 150 2188 200 486 186 158 1735 188 38250 France Diesel type4X4_non 460 80 7.1 surtaxe_oui
X-TRAIL 136 2184 180 446 177 168 1520 190 29700 Autres Diesel type4X4_oui 350 60 7.2 surtaxe_oui
YARIS 65 998 155 364 166 150 880 134 10450 Autres Essence type4X4_non 205 45 5.6 surtaxe_non
CORVETTE 404 5970 300 444 185 125 1517 310 63350 Autres Essence type4X4_non NaN NaN NaN NA
TAHOE 290 5327 170 506 223 196 2463 340 49600 Autres Essence type4X4_oui NaN NaN NaN NA
OPEL 339 4188 227 351 192 181 2235 166 77810 France Diesel type4X4_non NaN NaN NaN NA
RENAULT 183 4439 160 387 186 137 1177 228 31681 France Essence type4X4_oui NaN NaN NaN NA
CITROEN 88 4161 231 367 182 139 947 185 51161 Europe Essence type4X4_non NaN NaN NaN NA
TOYOTA 83 1880 232 373 195 149 1229 118 51233 Autres Diesel type4X4_non NaN NaN NaN NA
MERCEDES 311 5361 188 375 159 145 874 339 72876 Europe Diesel type4X4_oui NaN NaN NaN NA

Les variables coffre, reservoir et consommation seront utilisées comme illustratives quantitatives
et « surtaxe » comme illustrative qualitative. Certaines voitures ont été mises en illustratives.
Les questions usuelles que l’on se pose sont les suivantes :

1. Quelles sont les véhicules qui se ressemblent, c’est - à - dire qui présentent des caracté-
ristiques similaires ? Il sera question d’étudier les proximités entre les individus.
2. Sur quelles caractéristiques sont basées les ressemblances et dissemblances, avec la diffi-
culté ici de les comptabiliser de manière différenciée selon que les variables incriminées
sont quantitatives ou qualitatives.

2
 3. Quelles sont les relations entre les variables ? Entre quantitatives, l’idée de la corrélation
s’impose ; entre qualitatives, le χ2 de contingence. Mais comment faire entre quantitatives
et qualitatives ? (rapport de corrélation, etc.)

AFDM

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 FAMD

Individus et variables actifs

On crée une instance de la classe FAMD, 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_famd = FAMD(normalize=True,
n_components=None,
row_labels= [Link],
quanti_labels= list([Link][:9]),
quali_labels=list([Link][9:]),
row_sup_labels=None,
quanti_sup_labels=None,
quali_sup_labels=None,
parallelize=False)

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

# Estimation du modèle
my_famd.fit(A)

## FAMD(quali_labels=['origine', 'carburant', 'type4X4'],

## quanti_labels=['puissance', 'cylindree', 'vitesse', 'longueur', 'largeur',
## 'hauteur', 'poids', 'CO2', 'prix'],
## row_labels=Index(['ALFA 156 ', 'AUDIA3 ', 'AUDIA8 ', 'AVENSIS ',
## 'BMW X5 ', 'BMW530 ', 'CHRYS300 ', 'CITRONC2 ',
## 'CITRONC4 ', 'CITRONC5 ', 'CLIO ', 'CORSA ',
## 'FIESTA ', 'GOLF ', 'LAGUNA ', 'LANDCRUI ',
## 'MAZDARX8 ', 'MEGANECC ', 'MERC_A ', 'MERC_E ',
## 'MODUS ', 'MONDEO ', 'MURANO ', 'MUSA ',

3
## 'OUTLAND ', 'P1007 ', 'P307CC ', 'P407 ',
## 'P607 ', 'PANDA ', 'PASSAT ', 'PTCRUISER ',
## 'SANTA_FE ', 'TWINGO ', 'VECTRA ', 'VELSATIS ',
## 'X-TRAIL ', 'YARIS '],
## dtype='object', name='Modele'))

Les valeurs propres

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

my_famd.eig_ pour les valeurs propres.

# Valeurs propres
print(my_famd.eig_)

## [[6.60229295e+00 2.51003566e+00 1.30489598e+00 8.66766581e-01

## 5.57532258e-01 3.89580887e-01 2.67694431e-01 1.72089295e-01
## 1.40012335e-01 9.66725743e-02 5.08904567e-02 3.10797814e-02
## 1.04568068e-02]
## [4.09225728e+00 1.20513968e+00 4.38129402e-01 3.09234324e-01
## 1.67951371e-01 1.21886456e-01 9.56051353e-02 3.20769600e-02
## 4.33397610e-02 4.57821177e-02 1.98106752e-02 2.06229746e-02
## 1.04568068e-02]
## [5.07868688e+01 1.93079666e+01 1.00376614e+01 6.66743524e+00
## 4.28870967e+00 2.99677605e+00 2.05918793e+00 1.32376381e+00
## 1.07701796e+00 7.43635187e-01 3.91465051e-01 2.39075242e-01
## 8.04369757e-02]
## [5.07868688e+01 7.00948355e+01 8.01324969e+01 8.67999321e+01
## 9.10886418e+01 9.40854178e+01 9.61446058e+01 9.74683696e+01
## 9.85453875e+01 9.92890227e+01 9.96804878e+01 9.99195630e+01
## 1.00000000e+02]]

L’attribut my_famd.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_famd))

## eigenvalue difference proportion cumulative

## Dim.1 6.602293 4.092257 50.786869 50.786869
## Dim.2 2.510036 1.205140 19.307967 70.094835
## Dim.3 1.304896 0.438129 10.037661 80.132497
## Dim.4 0.866767 0.309234 6.667435 86.799932
## Dim.5 0.557532 0.167951 4.288710 91.088642
## Dim.6 0.389581 0.121886 2.996776 94.085418

4
## Dim.7 0.267694 0.095605 2.059188 96.144606
## Dim.8 0.172089 0.032077 1.323764 97.468370
## Dim.9 0.140012 0.043340 1.077018 98.545388
## Dim.10 0.096673 0.045782 0.743635 99.289023
## Dim.11 0.050890 0.019811 0.391465 99.680488
## Dim.12 0.031080 0.020623 0.239075 99.919563
## Dim.13 0.010457 0.010457 0.080437 100.000000

Les valeurs propres peuvent être représentées graphiquement :

from [Link] import plot_eigenvalues

import [Link] as plt
fig, axe = [Link](figsize=(16,6))
plot_eigenvalues(my_famd,choice="eigenvalue",ax=axe)
[Link]()

Scree plot

4
Eigenvalue

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

fig, axe = [Link](figsize=(16,6))

plot_eigenvalues(my_famd,choice="proportion",ax=axe)
[Link]()

Scree plot
50

40
Percentage of explained variances

30

20

10

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

Même si le mécanisme sous - jacent de l’AFDM repose sur une ACP, nous ne pouvons pas
vraiment utiliser les stratégies usuelles.

5
 — Avec la règle de Kaiser, nous sélectionnerons les facteurs tels que λα ≥ 1, c’est - à - dire
H = 3. On se rend compte en pratique que ce critère est trop permissif, nous retenons un
nombre excessif de facteurs parce qu’une partie de l’information est rédondante comme
en ACM.
— Avec la règle de Karlis - Saporta - Spinaki, la valeur seuil est surestimé parce que le
nombre de colonnes K des données présentées à l’ACP est « surévalué », des redondances
ont été artificiellement introduites.
De fait, les critères de l’ACP ne s’appliquent pas ici parce que les données ne sont pas composées
de variables nativement quantitatives, certaines colonnes sont liées entre elles avec le codage
disjonctif complet des variables qualitatives.
Finalement, on en revient au diagramme des valeurs propres et la recherche de « coudes »,
annonciateurs de changement significatif de structure dans les données.

fig, axe = [Link](figsize=(16,6))

plot_eigenvalues(my_famd,choice="eigenvalue",ax=axe)
[Link]()

Scree plot

4
Eigenvalue

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

Nous avons un « coude » au niveau de h = 2. Nous choisissons de retenir H = 2.

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

from [Link] import summaryFAMD

summaryFAMD(my_famd)

## Factor Analysis of Mixed Data - Results

##
## Importance of components
## Dim.1 Dim.2 Dim.3 ... Dim.11 Dim.12 Dim.13
## Variance 6.602 2.510 1.305 ... 0.051 0.031 0.01
## Difference 4.092 1.205 0.438 ... 0.020 0.021 0.01
## % of var. 50.787 19.308 10.038 ... 0.391 0.239 0.08
## Cumulative of % of var. 50.787 70.095 80.132 ... 99.680 99.920 100.00
##
## [4 rows x 13 columns]
##
## Individuals (the 10 first)

6
##
## d(i,G) p(i) I(i,G) Dim.1 ... cos2 Dim.3 ctr cos2
## Modele ...
## ALFA 156 3.577 0.026 0.337 -1.926 ... 0.382 0.137 0.038 0.001
## AUDIA3 2.321 0.026 0.142 1.530 ... 0.111 -0.396 0.316 0.029
## AUDIA8 5.900 0.026 0.916 -5.044 ... 0.143 -0.887 1.586 0.023
## AVENSIS 2.376 0.026 0.149 0.379 ... 0.106 -0.289 0.169 0.015
## BMW X5 3.977 0.026 0.416 -2.909 ... 0.040 -1.942 7.607 0.239
## BMW530 3.283 0.026 0.284 -2.362 ... 0.335 -0.541 0.591 0.027
## CHRYS300 6.191 0.026 1.009 -5.375 ... 0.051 1.124 2.549 0.033
## CITRONC2 4.079 0.026 0.438 3.793 ... 0.001 1.192 2.866 0.085
## CITRONC4 2.203 0.026 0.128 0.956 ... 0.020 -0.492 0.489 0.050
## CITRONC5 2.530 0.026 0.168 -1.264 ... 0.361 1.003 2.028 0.157
##
## [10 rows x 12 columns]
##
## Continuous variables
##
## Dim.1 ctr cos2 Dim.2 ctr cos2 Dim.3 ctr cos2
## puissance -0.916 12.704 0.839 0.271 2.936 0.074 0.126 1.220 0.016
## cylindree -0.888 11.951 0.789 0.039 0.061 0.002 -0.046 0.160 0.002
## vitesse -0.703 7.495 0.495 0.598 14.263 0.358 -0.039 0.115 0.001
## longueur -0.899 12.229 0.807 0.142 0.804 0.020 -0.130 1.292 0.017
## largeur -0.876 11.621 0.767 0.039 0.060 0.001 -0.187 2.693 0.035
## hauteur -0.288 1.260 0.083 -0.846 28.519 0.716 -0.028 0.059 0.001
## poids -0.915 12.693 0.838 -0.249 2.469 0.062 -0.099 0.757 0.010
## CO2 -0.891 12.037 0.795 0.090 0.323 0.008 0.327 8.202 0.107
## prix -0.940 13.397 0.884 0.062 0.154 0.004 -0.126 1.218 0.016
##
## Categories
##
## d(k,G) p(k) I(k,G) Dim.1 ... Dim.3 ctr cos2 vtest
## origine_Autres 1.673 0.038 0.105 -1.588 ... 0.896 12.409 0.287 2.851
## origine_Europe 1.238 0.056 0.086 0.156 ... -1.096 27.832 0.783 -4.712
## origine_France 1.387 0.049 0.094 1.041 ... 0.575 6.643 0.172 2.208
## carburant_Diesel 1.111 0.064 0.079 -0.044 ... -0.837 18.405 0.567 -4.010
## carburant_Essence 0.900 0.079 0.064 0.036 ... 0.678 14.899 0.567 4.010
## type4X4_type4X4_non 0.389 0.124 0.019 0.382 ... -0.103 0.539 0.070 -1.406
## type4X4_type4X4_oui 2.569 0.019 0.124 -2.524 ... 0.679 3.558 0.070 1.406
##
## [7 rows x 15 columns]
##
## Categorical variables
##
## eta2.1 cos2.1 eta2.2 cos2.2 eta2.3 cos2.3
## origine 0.158 0.079 0.329 0.164 0.612 0.306
## carburant 0.000 0.000 0.300 0.300 0.435 0.435
## type4X4 0.146 0.146 0.637 0.637 0.053 0.053

7
Représentation graphique

# Carte des individus

from [Link] import fviz_famd_ind
print(fviz_famd_ind(my_famd,color="blue",repel=True))

Individuals factor map - FAMD

AUDIA8 ALFA 156
2 BMW530
P307CC
CITRONC5 MEGANECC
CHRYS300 MONDEO LAGUNA
MAZDARX8 PASSAT P407
P607 AUDIA3
MERC_E VECTRA TWINGO
CITRONC4 CITRONC2
0 PTCRUISER MODUS CLIO
Dim.2 (19.31%)

VELSATIS P1007 CORSA PANDA

BMW X5 MERC_A FIESTA
AVENSIS GOLF YARIS
MUSA

2 MURANO
OUTLAND

X-TRAIL
SANTA_FE
4 LANDCRUI

5 2.5 0 2.5
Dim.1 (50.79%)

# Carte des modalités - variables qualitatives

from [Link] import fviz_famd_mod
print(fviz_famd_mod(my_famd,color="red",repel=True))

Qualitatives variables categories - FAMD

Essence
France
type4X4_non
Europe
0
Dim.2 (19.31%)

Diesel
1
Autres

3
type4X4_oui

2 1 0 1
Dim.1 (50.79%)

8
# Cercle des corrélations - variables quantitatives
from [Link] import fviz_famd_col
print(fviz_famd_col(my_famd,color="blue"))

Continuous variables factor map - FAMD

1

vitesse
0.5
Dim.2 (19.31%)

puissance
longueur
CO2
prix
cylindree
largeur
0

poids

0.5

hauteur
1
1 0.5 0 0.5 1
Dim.1 (50.79%)

# Carte des variables - rapport de corrélation et cosinus carré

from [Link] import plotFAMD
fig, axe = [Link](figsize=(10,10))
plotFAMD(my_famd,choice="var",repel=True)
[Link]()

Graphe of variables - FAMD

1.0

0.8
hauteur

type4X4
0.6
Dim.2 (19.31%)

0.4
vitesse
origine
carburant

0.2

puissance
poids
CO2 longueur
0.0 largeur cylindreeprix

0.0 0.2 0.4 0.6 0.8 1.0

Dim.1 (50.79%)

9
AFDM 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. Tapez la ligne de code
suivante :

# AFDM avec les éléments supplémentaires

my_famd2 = FAMD(normalize=True,
n_components=None,
row_labels= [Link],
quanti_labels= list([Link][:9]),
quali_labels=list([Link][9:]),
row_sup_labels=[Link],
quanti_sup_labels=list([Link]),
quali_sup_labels=list([Link]),
parallelize=False)
# Estimation
my_famd2.fit(Data)

## FAMD(quali_labels=['origine', 'carburant', 'type4X4'],

## quali_sup_labels=['surtaxe'],
## quanti_labels=['puissance', 'cylindree', 'vitesse', 'longueur', 'largeur',
## 'hauteur', 'poids', 'CO2', 'prix'],
## quanti_sup_labels=['coffre', 'reservoir', 'consommation'],
## row_labels=Index(['ALFA 156 ', 'AUDIA3 ', 'AUDIA8 ', 'AVENSIS ',
## 'BMW X5 ', 'BMW530 ', 'CHRYS300 ', 'CITRONC2 ',
## 'CITRONC4 ', 'CITR...
## 'MAZDARX8 ', 'MEGANECC ', 'MERC_A ', 'MERC_E ',
## 'MODUS ', 'MONDEO ', 'MURANO ', 'MUSA ',
## 'OUTLAND ', 'P1007 ', 'P307CC ', 'P407 ',
## 'P607 ', 'PANDA ', 'PASSAT ', 'PTCRUISER ',
## 'SANTA_FE ', 'TWINGO ', 'VECTRA ', 'VELSATIS ',
## 'X-TRAIL ', 'YARIS '],
## dtype='object', name='Modele'),
## row_sup_labels=Index(['CORVETTE ', 'TAHOE ', 'OPEL', 'RENAULT', 'CITROEN',
## 'MERCEDES'],
## dtype='object', name='Modele'))

# Carte des individus

from [Link] import plotFAMD
fig, axe = [Link](figsize=(10,10))
plotFAMD(my_famd2,choice="ind",ind_sup=True,xlim=(-8,5),ylim=(-5,4),
repel=True,ax=axe)
[Link]()

10
 Individuals factor map - FAMD
4

CORVETTE
3

AUDIA8 ALFA 156

2 BMW530
CITROEN
MEGANECC
CHRYS300 CITRONC5 P307CC
MAZDARX8 MONDEO LAGUNA
1 P607 PASSAT P407
MERC_E AUDIA3
VECTRA
CITRONC4 TWINGO
CITRONC2
0 PTCRUISER MODUS CLIO
Dim.2 (19.31%)

RENAULT CORSA
PANDA
MERCEDES VELSATISTOYOTA P1007
MERC_A FIESTA
OPEL BMW X5 AVENSIS GOLF YARIS
1
MUSA

2 MURANO
OUTLAND
3
X-TRAIL
TAHOE
SANTA_FE
4 LANDCRUI

5
8 6 4 2 0 2 4
Dim.1 (50.79%)

# Carte des modalités

print(fviz_famd_mod(my_famd2,color="blue",repel=True))

Qualitatives variables categories - FAMD

Essencesurtaxe_non
France
type4X4_non
Europe
0
surtaxe_oui
Dim.2 (19.31%)

Diesel
1
Autres

3
type4X4_oui

2 1 0 1
Dim.1 (50.79%)

11
# Cercle des corrélations des variables
fig, axe = [Link](figsize=(10,10))
plotFAMD(my_famd2,choice="col",color="blue",ax=axe)
[Link]()

Graph of continuous variables - FAMD

1.00

0.75

vitesse
0.50

0.25 puissance
consommation
longueur
Dim.2 (19.31%)

CO2
prix
cylindree
largeur
0.00
reservoir
coffre
0.25 poids

0.50

0.75
hauteur

1.00

1.00 0.75 0.50 0.25 0.00 0.25 0.50 0.75 1.00

Dim.1 (50.79%)

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_famd2,choice="ind",axis=0,top_contrib=10,ax=axe)
[Link]()

12
 Contribution of individuals to Dim-1

CHRYS300

LANDCRUI

AUDIA8

TWINGO

PANDA
individuals

MURANO

CITRONC2

YARIS

CORSA

CLIO

0 2 4 6 8 10 12
Contributions (%)

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

fig, axe = [Link](figsize=(16,8))
plot_contrib(my_famd2,choice="mod",axis=0,ax=axe)
[Link]()

Contribution of categories to Dim-1

type4X4_type4X4_oui

origine_Autres

origine_France
categories

type4X4_type4X4_non

origine_Europe

carburant_Diesel

carburant_Essence

0.00 0.25 0.50 0.75 1.00 1.25 1.50 1.75 2.00

Contributions (%)

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

fig, axe = [Link](figsize=(16,8))
plot_cosines(my_famd2,choice="ind",axis=0,top_cos2=10,ax=axe)
[Link]()

13
 Cosinus of individuals to Dim-1

CITRONC2

TWINGO

PANDA

CORSA

CHRYS300
individuals

CLIO

FIESTA

AUDIA8

P1007

YARIS

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_famd2,choice="mod",axis=0,ax=axe)
[Link]()

Cosinus of categories to Dim-1

type4X4_type4X4_oui

type4X4_type4X4_non

origine_Autres
categories

origine_France

origine_Europe

carburant_Diesel

carburant_Essence

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 Factorielle des Données Mixtes en tant que méthode de
prétraitement.
La classe FAMD implémente les méthodes fit, transform et fit_transform bien connues des
utilisateurs de scikit-learn.

my_famd.transform(A)[:5,:2]

## array([[-1.92635548, 2.2106966 ],
## [ 1.53012691, 0.77467409],
## [-5.04419565, 2.23379347],
## [ 0.37854815, -0.77513574],
## [-2.90897055, -0.79259248]])

14
my_famd.fit_transform(A)[:5,:2]

## array([[-1.92635548, 2.2106966 ],
## [ 1.53012691, 0.77467409],
## [-5.04419565, 2.23379347],
## [ 0.37854815, -0.77513574],
## [-2.90897055, -0.79259248]])

Intégration dans une Pipeline de scikit-learn

La class FAMD peut être intégrée dans une Pipeline de scikit-learn. Dans le cadre de notre exemple,
nous cherchons à prédire la variable (variable “Prix”) à partir des 11 autres variables du jeu de
données (données actives).
“prix” est une variable quantitative. Pour la prédire, nous allons utiliser un modèle de régres-
sion linéaire qui prendra en input des axes issus d’une Analyse Factorielle des Données Mixtes
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 LinearRegression
from sklearn.model_selection import GridSearchCV

# X = features
X = [Link](columns=["prix"])
# y = target
y = [Link]

# Construction de la Pipeline
# On enchaine une Analyse Factorielle des Données Mixtes (4 axes retenus)
# puis une régression linéaire
pipe = Pipeline([("famd", FAMD(n_components=4)),
("ols", LinearRegression())])
# Estimation du modèle
[Link](X, y)

## Pipeline(steps=[('famd', FAMD(n_components=4)), ('ols', LinearRegression())])

On prédit

# Prédiction sur l'échantillon de test

print([Link](B))

## [58779.0497945 69412.02123729 46817.29617417 29828.26194279

## 27688.40210294 26546.10674283 36394.992253 ]

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.

15
# Reconstruction d'une Pipeline, sans spécifier de valeur
# a priori pour n_components
pipe2 = Pipeline([("famd", FAMD()),
("ols", LinearRegression())])

# Paramétrage de la grille de paramètres

# Attention à l'étendue des valeurs possibles pour famd__n_components !!!
param = [{"famd__n_components": [x + 1 for x in range(12)]}]

# Construction de l'objet GridSearchCV

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

## GridSearchCV(cv=5,
## estimator=Pipeline(steps=[('famd', FAMD()),
## ('ols', LinearRegression())]),
## param_grid=[{'famd__n_components': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10,
## 11, 12]}],
## scoring='neg_mean_squared_error')

# Affichage du score optimal

grid_search.best_score_

## -49681609.976405315

# Affichage du RMSE optimal

import numpy as np
print([Link](-grid_search.best_score_))

## 7048.518282334615

# Affichage du paramètre optimal

grid_search.best_params_

## {'famd__n_components': 6}

# Prédiction sur l'échantillon de test

grid_search.predict(B)

## array([59166.75977397, 75330.61691695, 55918.63883543, 31786.01147151,

## 30135.88354508, 22455.79889542, 41006.95089521])

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

[Link]

16