Dans le cours d’analyses des données, on va commencer l’analyse en composantes principales, en lien avec l’analyse spectrale de ou de , ou directement l’analyse en valeurs singulières de .
Reprenons les données de l ‘enquête du quotidien L’Express,
> BD=read.table("https://perso.univ-rennes1.fr/arthur.charpentier/securite.txt", header=TRUE) > M=as.matrix(BD[,2:10]) > colnames(M)=names(BD)[2:10] > rownames(M)=BD$dep
Rappelons que l’on a une matrice de taille
> dim(M) [1] 94 9
La décomposition en valeurs singulières donne des matrices
> SVD=svd(M) > dim(M) [1] 94 9 > dim(SVD$u) [1] 94 9 > dim(SVD$v) [1] 9 9
telles que . La preuve, créons la matrice produit
> M1 = SVD$u %*% diag(SVD$d) %*% t(SVD$v)
Pour vérifier que les deux matrices sont (très très) proches, on a le choix de la distance. Par exemple
à partir de la norme de Frobenius, .
> sum( (M0-M)^2 ) [1] 2.160588e-25
On peut aussi utiliser
qui est la plus grande valeur singulière de .
> max(eigen(t(M0-M)%*%(M0-M))$value) [1] 2.018236e-25
Pour (simplement) approcher la matrice de départ par une matrice de rang plus faible, on peut utiliser une approximation de la forme
où seules les premières colonnes sont gardées,
> k=4 > M4 = SVD$u[,1:k] %*% diag(SVD$d[1:k]) %*% t(SVD$v[,1:k])
Les deux matrices semblent proches. Par exemple, si on regarde la première ligne on a
> M[1,1:7] infra vols eco crim vma vvi camb 44.11 29.51 4.14 2.79 0.08 0.27 5.91 > M4[1,1:6] [1] 44.07698034 29.57490613 4.18441060 2.86142461 0.06670419 0.50994705
Si on regarde la distance entre ces deux matrices, on est effectivement relativement faible
> sum( (M4-M)^2 ) [1] 240.5894 > max(eigen(t(M4-M)%*%(M4-M))$value) [1] 130.3316
cette dernière étant à comparer avec
> max(eigen(t(M)%*%M)$value) [1] 447176.6
Cette matrice est effectivement de rang plus faible (de range 4)
> svd(M4)$d[1:8] [1] 6.687127e+02 3.520604e+01 1.860897e+01 1.328171e+01 3.017803e-14 9.930232e-15 8.511710e-15 5.410929e-15
On peut aussi regarder une approximation de rang 2,
> k=2 > M2 = SVD$u[,1:k] %*% diag(SVD$d[1:k]) %*% t(SVD$v[,1:k]) > svd(M2)$d [1] 6.687127e+02 3.520604e+01 1.012972e-13 9.873132e-15 6.152361e-15 4.691758e-15 3.289106e-15 1.206215e-15 1.248952e-16 > sum( (M2-M)^2 ) [1] 763.2868 > max(eigen(t(M2-M)%*%(M2-M))$value) [1] 346.2936
On continuera pendant le cours.
Ah oui, et pour avoir davantage d’illustration, on pourra utiliser une autre base, afin de travailler sur des rangs (et non pas des valeurs réelles)
> BD = read.table("http://freakonometrics.free.fr/acp-villes.csv",sep=";",header=TRUE) > M=as.matrix(BD[,2:12]) > colnames(M)=names(BD)[2:12] > rownames(M)=BD$Agglo
OpenEdition suggests that you cite this post as follows:
Arthur Charpentier (January 12, 2016). Approximation de matrices. Freakonometrics. Retrieved November 2, 2024 from https://doi.org/10.58079/ov24