Quiz sur les techniques de représentation et de normalisation dans l'analyse de...

Analyse de données : techniques de représentation et normalisation

1. Le module aborde des notions d'analyse de données au niveau représentatif avant de passer à une étude prédictive.
2. Les techniques de représentation de réduction de dimensions comme l'ACP, le T-SNE et la LDA permettent d'avoir une visualisation proche de la réalité.
3. L'ACP est une méthode de réduction de dimension qui consiste à transformer des variables corrélées en nouvelles variables décorrélées les unes des autres.
4. Les Composantes Principales sont des combinaisons linéaires des variables originelles.
5. Le choix du nombre de facteurs est important pour réduire la dimension du jeu de données tout en conservant au maximum l'information véhiculée par les données.
6. L'ACP permet de projeter les données sur 2 ou 3 axes pour se faire une représentation visuelle du jeu de données.
7. La matrice de corrélation permet d'observer les relations entre les variables.
8. La normalisation est nécessaire lorsque les unités de mesure diffèrent d'une variable à l'autre.
9. La normalisation consiste à centrer et réduire les variables pour réaliser une ACP normée.
10. La classe StandardScaler de Scikit-learn permet de normaliser les données directement.
11. La méthode fit_transform() est utilisée pour normaliser les données et pour créer Coord contenant les coordonnées de l'ACP.
12. La fonction PCA du module sklearn.decomposition est utilisée pour appliquer l'ACP sur les données.