Enregistrement résultats ACP pour classification

Bonjour,

Je viens d'effectuer une ACP avec R Commander.
Je précise que je n'en avais pas fait depuis 7 ans et R a bien changé ... J'ai cherché sur le Net et essayé différents codes, rien ne marche ...

Je souhaitais enregistrer les coordonnées des individus pour faire ensuite une classification, mais la ligne de commande que j'utilisais ne fonctionne plus, à savoir :

Code:

LogACP <- as.data.frame(res$ind$coord)

Ça m'indique que l'objet 'res' est introuvable ...

Pouvez-vous m'indiquer la ligne de code adaptée ?

Pour info, ci-dessous le code pour la réalisation de l'ACP (je ne l'ai pas tapé, j'ai juste utilisé le "clic-bouton" Statistiques->Analyse multivariée->ACP)

Merci d'avance pour votre aide ...

Code:

local({
 .PC <-
 princomp(~Evol_TMM_08.13+Evol_TMM_90.08+P13_MEN_ANEM0002+P13_MEN_ANEM10P+P13_MEN_ANEM30P+P13_MEN_ANEM0204+P13_MEN_ANEM0509+P13_MEN_ANEM1019+P13_MEN_ANEM2029+P13_POP0014+P13_POP60P+P13_POP1529+P13_POP3044+P13_POP4559+P13_RPAPPART_ACH05+P13_RPAPPART_ACH10+P13_RPMAISON_ACH05+P13_RPMAISON_ACH10+Part_RP_ACHL_90+X2013_Part_MENCOUPAENF+X2013_Part_MENCOUPSENF+X2013_Part_RP_LOCHLMV+X2013_Part_RP_PROP,
  cor=TRUE, data=Dataset)
 cat("\nComponent loadings:\n")
 print(unclass(loadings(.PC)))
 cat("\nComponent variances:\n")
 print(.PC$sd^2)
 cat("\n")
 print(summary(.PC))
 screeplot(.PC)

})

Bonjour Gaelle,

Pourquoi ne pas utiliser ade4 (par exemple) pour l'ACP (tuto : https://pbil.univ-lyon1.fr/R/pdf/tdr601.pdf )

Ensuite, il est facile d'obtenir les coordonnées des individus ( acp$li )

Ci-joint un code (collé et tapé dans R studio) pour une classification hiérarchique suite à une AFC qui reste très similaire à l'ACP EN TERMES DE CODE....

Code:

#Lecture du jeu de données
varmnsod<-read.csv("SOUPE.csv", header=TRUE, sep=",", dec=".")
dim(varmnsod)
names(varmnsod)
#Bidouille pour enlever la première colonne qui contient les noms des individus si besoin
varmnsod <- varmnsod[,-1]
names(varmnsod)
#AFC préalable au clust
afcsod0 <- dudi.coa(varmnsod, scannf = TRUE)
plot(afcsd0$c1)
#Matrice de distances avant clust
distsd0 <- dist(afcsd0$li, method="euclidian")
#CAH avec ward.D2. Avec ward.D, l faut mettre la matrice de distance au carré => distd0^2
treesd0 <- hclust(distsd0, method = "ward.D2")
x11(); plot(treesd0$co)
summary(distsd0)