Analyse en composantes principales : interprétation géométrique et réduction dimensionnelle

Cette séance de cours couvre l'analyse en composantes principales (ACP), une méthode pour réduire la dimensionnalité des données en maximisant la variance le long de nouvelles dimensions. Il explique comment PCA représente les données dans une nouvelle base orthonormale, l'importance du centrage et de la normalisation, et le calcul des principaux composants. La séance de cours traite également de l'interprétation géométrique de l'APC, du choix du nombre de composantes principales et de la représentation latente des données. En outre, il aborde la sélection et la validation des modèles dans le contexte de la réduction des dimensions.