Introduction au data mining
Face à l'explosion des volumes de données disponibles, les organisations doivent s'adapter si elles veulent en tirer parti. Le data mining s'impose comme un outil essentiel pour analyser de grandes quantités de données et en extraire des informations fiables, directement exploitables...
שמור ב:
| Auteurs principaux: | , |
|---|---|
| פורמט: | Livre papier |
| שפה: | Français |
| יצא לאור: |
Malakoff :
Dunod
DL 2025.
|
| סדרה: | Les Topos : le savoir en 2 mots
|
| נושאים: | |
| Autres localisations: | Voir dans le Sudoc |
| Edition sous un autre format: | • Introduction au data mining, Daniel Caumont, Silvester Ivanaj, 2025, Malakoff, Dunod, 978-21-0089-142-9 |
תוכן הענינים:
- P. 5
- Avant-propos
- Chapitre 1, Le data mining dans le système d'information d'une organisation
- P. 7
- I. Les implications du développement des mégadonnées
- P. 17
- II. Le processus de data mining
- Chapitre 2, La préparation des données
- P. 28
- I. Transformer une problématique entrepreneuriale en une problématique analytique
- P. 30
- II. Construire les variables
- P. 36
- III. Explorer les variables
- Chapitre 3, Les méthodes factorielles
- P. 48
- I. Les statistiques de liaison entre variables
- P. 49
- II. Les analyses factorielles métriques
- P. 52
- III. L'analyse factorielle en composantes principales
- P. 63
- IV. L'analyse factorielle des correspondances
- Chapitre 4, Les méthodes de partitionnement
- P. 77
- I. Les différents types de classification
- P. 79
- II. Prétraitement et sélection des données
- P. 82
- III. Les méthodes de classification supervisée
- P. 85
- IV. Les méthodes de classification non supervisée
- Chapitre 5, Les méthodes d'aide à la décision et d'évaluation des résultats
- P. 102
- I. Une prise de décision fondée sur les données
- P. 104
- II. L'évaluation de la performance des modèles
- P. 117
- III. Les méthodes de validation des modèles prédictifs
- P. 125
- Bibliographie
- P. 126
- Index