fviz_cos2: Visualisation de la qualité de représentation des lignes/colonnes - Logiciel R et analyse de données
Description
Cette fonction peut ?tre utilis?e pour visualiser la qualit? de r?pr?sentation (cos2) des lignes/colonnes ? partir des r?sultats des fonctions, d?analyse en composante principale (ACP), d?analyse factorielle des correspondances simples (AFC) et d?analyse des correspondences multiples (ACM), issues de diff?rents packages R.
La fonction fviz_cos2() [dans le package factoextra] est utilis?e.
Installer et charger factoextra
Le package devtools est requis pour l?installation de factoextra.
if(!require(devtools)) install.packages("devtools")
devtools::install_github("kassambara/factoextra")
Charger factoextra:
library("factoextra")
Utilisation
fviz_cos2(X, choice = c("row", "col", "var", "ind"),
axes = 1, fill = "steelblue", color = "steelblue",
sort.val = c("desc", "asc", "none"), top = Inf)
Arguments
Argument | Description |
---|---|
X | Un objet de classe PCA, CA et MCA [FactoMineR]; prcomp et princomp [stats]; dudi, pca, coa et acm [ade4]; ca et mjca [ca package]. |
choice | Les valeurs possibles sont ?row? et ?col? pour l?AFC; ?var? et ?ind? pour l?APC ou l?ACM. |
axes | un vecteur num?rique pr?cisant les axes d?int?r?t. La valeur par d?faut est axes = 1 pour l?axe 1. |
fill | Couleur de remplissage du bar plot. |
color | Couleur de bordure pour le bar plot. |
sort.val | une cha?ne de caract?re sp?cifiant si la valeur doit ?tre tri?e. Les valeurs autoris?es sont ?none? (aucun tri), ?asc? (par ordre croissant) ou ?desc? (pour la descente). |
top | une valeur num?rique indiquant le nombre de top ?l?ments ? afficher. |
? | non utilis?. |
Valeur
Un graphique de type ggplot2
Exemples
Analyse en composante principale
Une analyse en composantes principales (ACP) est effectu?e en utilisant la fonction int?gr?e de R prcomp() et le jeu de donn?es decathlon2 [dans factoextra]:
data(decathlon2)
decathlon2.active <- decathlon2[1:23, 1:10]
res.pca <- prcomp(decathlon2.active, scale = TRUE)
# cos2 des variables sur l'axe 1
fviz_cos2(res.pca, choice="var", axes = 1 )
# trie
fviz_cos2(res.pca, choice="var", axes = 1,
sort.val ="asc")
# S?lectionner le top 7 des variables
fviz_cos2(res.pca, choice="var", axes = 1, top = 7 )
# Changer le th?me et la couleur
fviz_cos2(res.pca, choice="var", axes = 1,
fill = "lightgray", color = "black") +
theme_minimal() +
theme(axis.text.x = element_text(angle=45))
# cos2 des variables sur l'axe 2
fviz_cos2(res.pca, choice="var", axes = 2)
# cos2 des variables sur les axes 1 + 2
fviz_cos2(res.pca, choice="var", axes = 1:2)
# cos2 des individus sur l'axe 1
fviz_cos2(res.pca, choice="ind", axes = 1)
Analyse des correspondences
La fonction CA() dans le package FactoMineR est utilis?e:
# Installer et charger FactoMineR pour effectuer une CA
# install.packages("FactoMineR")
library("FactoMineR")
data("housetasks")
res.ca <- CA(housetasks, graph = FALSE)
# cos2 des lignes sur l'axe 1
fviz_cos2(res.ca, choice ="row", axes = 1)
# cos2 des lignes sur les axe 1 + 2
fviz_cos2(res.ca, choice ="row", axes = 1:2)
# cos2 des colonnes sur l'axe 1
fviz_cos2(res.ca, choice ="col", axes = 1)
Analyse des correspondances multiples
La fonction MCA() dans le package FactoMineR est utilis?e:
library(FactoMineR)
data(poison)
res.mca <- MCA(poison, quanti.sup = 1:2,
quali.sup = 3:4, graph=FALSE)
# cos2 des individus sur l'axe 1
fviz_cos2(res.mca, choice ="ind", axes = 1)
# S?lectionner les top 20
fviz_cos2(res.mca, choice ="ind", axes = 1, top = 20)
# cos2 des variables sur l'axe 1
fviz_cos2(res.mca, choice ="var", axes = 1)
Infos
Cette analyse a ?t? r?alis?e en utilisant le logiciel R (ver. 3.2.1) et factoextra (ver. 1.0.3)
Show me some love with the like buttons below... Thank you and please don't forget to share and comment below!!
Montrez-moi un peu d'amour avec les like ci-dessous ... Merci et n'oubliez pas, s'il vous plaît, de partager et de commenter ci-dessous!
Recommended for You!
Click to follow us on Facebook:
Comment this article by clicking on "Discussion" button (top-right position of this page)