---
title: "PCA - Exercises"
---

```{r}
#| label: setup
#| include: false
knitr::opts_chunk$set(echo = FALSE)
knitr::opts_chunk$set(comment = NA)
library(tidyverse)
library(DT)
library(FactoMineR)
library(factoextra)
library(corrplot)
library(viridis)
html_table <- function(x, offset = 5) {
  DT::datatable(
    data = x, 
    rownames = TRUE, 
    options = list(
      scrollX = TRUE, 
      searching = FALSE, 
      lengthMenu = c(0, 5, 10, 15) + offset
    )
  )
}
```

## Le jeu de données `temperature.csv`

Cette base contient:

- les enregistrements des températures des capitales européennes de Janvier à Décembre
- les coordonnées GPS de chaque ville
- amplitude thermale : Différence entre les températures maximales et minimales
- moyenne annuelle
- une variable qualitative : la direction (S, N, O, E).

Exécuter une PCA pour dégager des profils type de température et quelles villes les suivent. 

## Le jeu de données `chicken.csv`

- Description : 43 poulets ayant subis 6 régimes : régime normal (N), Jeûne pendant 16h (F16), Jeûne pendant 16h et puis se réalimenter pendant 5h (F16R5), (F16R16), (F48), (F48R24)
- Variables : Après le régime, on a effectué une analyse des gènes utilisant une puce ADN : 7407 expressions de gènes.
- Objectif : Voir si les gènes s’expriment différemment selon le niveau de stress. Combien de temps faut-il au poulet pour revenir à la situation normale ?

## Le jeu de données `orange.csv`

Six jus d'orange de fabriquants différents ont été évalués.
Toutes les variables sont-elles indisensables ?
Y a-t-il des jus qui se dégagent comme particulièrement bons ? mauvais ?