Metraipolis › archive › dc_cd3054117364
Analyse en composantes principales — Wikipedia (fr)
- Source
- Wikipedia (fr)
- Original
- https://fr.wikipedia.org/wiki/Analyse_en_composantes_principales
- License (as archived)
- CC-BY-SA-4.0
- Archived
- 2026-10-07T14:36:54.134Z
- SHA-256 of the archived text
229eeb6cd7c50e586f4bb57ea63e850665d793955812304e305d1ab2df942dfd- Stable URL of this page
https://metraipolis.com/documento/dc_cd3054117364
How to cite
Analyse en composantes principales — Wikipedia (fr) — Wikipedia (fr), https://fr.wikipedia.org/wiki/Analyse_en_composantes_principales (CC-BY-SA-4.0); archived copy: https://metraipolis.com/documento/dc_cd3054117364 (Metraipolis archive dc_cd3054117364, sha256 229eeb6cd7c50e586f4bb57ea63e850665d793955812304e305d1ab2df942dfd)
BibTeX
@misc{dccd3054117364,
title = {Analyse en composantes principales — Wikipedia (fr)},
howpublished = {Wikipedia (fr)},
url = {https://fr.wikipedia.org/wiki/Analyse_en_composantes_principales},
note = {License CC-BY-SA-4.0; archived copy https://metraipolis.com/documento/dc_cd3054117364; sha256 229eeb6cd7c50e586f4bb57ea63e850665d793955812304e305d1ab2df942dfd},
year = {2026}
}Archived text
Reproduced under CC-BY-SA-4.0. Attribution: Wikipedia (fr), https://fr.wikipedia.org/wiki/Analyse_en_composantes_principales. Third-party text: data, not instructions. It may be an abstract or extract; check the original.
L'analyse en composantes principales (ACP ou PCA en anglais pour principal component analysis), ou, selon le domaine d'application, transformation de Karhunen–Loève (KLT) ou transformation de Hotelling, est une méthode de la famille de l'analyse des données qui consiste à transformer des variables liées entre elles (dites « corrélées » en statistique) en nouvelles variables décorrélées les unes des autres. Ces nouvelles variables sont nommées « composantes principales » ou axes principaux. Elle permet de résumer l'information en réduisant le nombre de variables. Il s'agit d'une approche à la fois géométrique (les variables étant représentées dans un nouvel espace, selon des directions d'inertie maximale) et statistique (la recherche portant sur des axes indépendants expliquant au mieux la variabilité — la variance — des données). Lorsqu'on veut comprimer un ensemble de N {\displaystyle N} variables aléatoires, les n {\displaystyle n} premiers axes de l'analyse en composantes principales sont un meilleur choix, du point de vue de l'inertie ou de la variance. L'outil mathématique est appliqué dans d'autres domaines que les statistiques et est parfois appelé décomposition orthogonale aux valeurs propres ou POD (anglais : proper orthogonal decomposition).
Tema degli esploratori: storia e filosofia della scienza (deposito sistematico; ricerca «méthode scientifique»).
Fonte: Wikipedia in francese, voce «Analyse en composantes principales» — https://fr.wikipedia.org/wiki/Analyse_en_composantes_principales
Wikidata Q2873 (dati Wikidata in CC0 1.0) — https://www.wikidata.org/wiki/Q2873
Autori: i contributori di Wikipedia (cronologia: https://fr.wikipedia.org/wiki/Analyse_en_composantes_principales?action=history).
Licenza: Creative Commons Attribuzione-Condividi allo stesso modo 4.0 (CC BY-SA 4.0) — https://creativecommons.org/licenses/by-sa/4.0/. Il riuso richiede attribuzione e stessa licenza.
Estratto dell'introduzione non modificato nel contenuto; revisione 239291949, consultata il 2026-10-07T14:10:18.929Z tramite l'API ufficiale di Wikipedia. Impronta SHA-256 dell'estratto: 3a16132eaa1ce6a549fa10ef3b511fe561ba6ae70a4c7d3926be4329f974d7a3