1. Processus Global d'Analyse des Données
1.1. Préparation des Données
1.1.1. Prétraitement des données
1.2. Exploration des Données (EDA)
1.2.1. Visualisations
1.2.2. Statistiques descriptives
1.2.3. Identification schémas et anomalies
1.3. Modélisation
1.3.1. Analyse prédictive
1.3.1.1. Régression
1.3.1.2. Classification
1.3.2. Analyse Classificatoire
1.3.2.1. Clustering
1.3.3. Réduction de la dimensionalité
1.3.3.1. PCA
1.4. Validation des Modèles
1.5. Interprétation
2. Objectifs
2.1. Prédiction et prévision
2.2. Découverte de tendances et modèles cachés
2.3. Prise de décisions basée sur les données
3. Méthode d'analyse
3.1. Analyse Descriptive
3.1.1. EDA
3.1.1.1. Nettoyage des données
3.1.1.2. Statistques descriptives
3.1.1.2.1. Analyse univariée
3.1.1.2.2. Analyse Bivariée
3.1.1.2.3. Analyse multivariée
3.1.1.3. Visualisations
3.2. Analyse Inférentielle
3.2.1. ANOVA
3.3. Analyse Prédictive
3.3.1. Supervised learning
3.3.1.1. Regression
3.3.1.1.1. Linéaire
3.3.1.1.2. LASSO
3.3.1.1.3. Ridge
3.3.1.2. Classification
3.3.1.2.1. Arbres de décision
3.4. Analyse Classificatoire
3.4.1. Unsupervised learning
3.4.1.1. K-means
3.5. Analyse de la Réduction de Dimensionnalité
3.5.1. PCA
4. Outils utilisés
4.1. R Studio
4.1.1. Installation des packages
4.1.1.1. tidyverse
4.1.1.2. readxl
4.1.1.3. writexl
4.1.1.4. naniar
4.1.1.5. factoMiner
4.1.1.6. factoExtra
4.1.2. Analyse
4.1.2.1. Prétraitement des données
4.1.2.1.1. Nettoyage
4.1.2.2. Visualisations
4.1.2.2.1. Packages
4.1.2.2.2. Types
4.1.2.3. Modèles de prédiction
4.1.2.3.1. LASSO
4.1.2.3.2. PCA
4.1.2.4. Insight comparatif