AFC(Analyse Factorielle des Correspondances) Sous Python Pour Débutants - Guide Pratique

[@LeCoinStat]

Lien vers le notebook et les données de l'exercice 2: github.com/LeCoinStat/100JoursDeML/tree/main/02_Statistiques_Pour_Le_Machine_Learning/02_Exercice_2

[@enockabokini7420]

Ton mail stp

[@enockabokini7420]

Très bonne présentation, du courage

[@LeCoinStat]

@@enockabokini7420 Merci

[@LeCoinStat]

@@enockabokini7420 Toutes les infos sur la page: [e-mail]

[@Proarmelo]

Merci pour cette clarification. Je ne ferai plus certaines erreurs dans mes interprétations grâce à cette vidéo.

[@LeCoinStat]

Great 😊

[@eddysonedouard8642]

vraiment ta méthode me permet tellement de bien comprendre, on dirait que ce cours a été facile.. Franchement t’es une source de connaissance et de savoir pour les amoureux de la data science

[@LeCoinStat]

Merci beaucoup pour tes aimables paroles ! Je suis ravie que ma méthode t'ait permis de mieux comprendre le sujet. Le challenge continue let's go🚀

[@VALERYMFONDOUM-md7kx]

Salut Natacha. Excellent partage. Je te propose d'intégrer avant l'étape de Khi2 le calcul des profils lignes, des profils colonnes et les profils moyens. Ensuite, les distances entre profils lignes, entre profils colonnes et celles au profil moyen encore appelées distance à l'origine. Ceci permet d'avoir une idée précise des rapprochements possibles entre deux modalités et de proposer une alternative statistique aux habitudes des experts métiers. Ensuite la représentation des graphiques de profils lignes et colonnes puis leurs superpositions devient un enjeu en de rapprochement comme tu l'as si bien expliqué. Encore bravo !!! Excellente présentation... Je te propose ce cours du Pr Rocco Rakotomavo qui est très détaillé à ce sujet...

[@LeCoinStat]

Merci pour l’ajout Valéry, en effet avant de calculer la distance de khi il faut déterminer les profils lignes, les profils colonnes et les statistiques marginales pour mesurer les “écarts à l’indépendance “. Le cours en description l’explique plus en détail

[@YoubaYoussouf-f3w]

Je viens de s'abonner ,et je veux une explication sur la méthodologie de bix jenkins concernant les séries temporelles

[@Moussa_ADOU]

Merci beaucoup pour ce magnifique exposé.

[@LeCoinStat]

De rien

[@MYSPACESERVICE]

Bonjour LeCoinStat. Merci pour vos présentations claires. Courage !

[@LeCoinStat]

Merci bien

[@warysmadia9074]

Merci pour ce partage Natacha. J'ai une question : si les 2 variables qualitatives possèdent beaucoup de modalités (>20), cela représente un frein à l'utilisation de l'AFC ?

[@LeCoinStat]

Si les deux variables ont beaucoup de modalités ce n’est pas un frein. C’est d’ailleurs l’intérêt de l’AFC. Pourvoir réduire la dimension et restituer le maximum d’information

[@warysmadia9074]

@@LeCoinStat merci

[@kouassiaimekouakou938]

bonsoir; jèapprécie votre turto. puis-je avoir des données sur ADH et ACM ainsi qu'AFC ? surtout leur intretations

[@LeCoinStat]

Les données de la vidéo sont disponibles ici: github.com/LeCoinStat/100JoursDeML/tree/main/02_Statistiques_Pour_Le_Machine_Learning/02_Exercice_2

[@touretahimbe6337]

Merci bien

[@eliotharreau7627]

Merci ma soeur pour ce contenu très qualitatif. Je n'ai absolument rien compris c'est quoi ca AFC ? Je suis un trader, comment je peut utiliser cela pour analyser des marché financier ou analyser les comportements des actions les unes par rapport aux autres? Ca a l'air très passionnant. 👍❤