Data mining et statistique décisionnelle : la science des données
Le data mining et la data science sont de plus en plus répandus dans les entreprises et les organisations soucieuses d'extraire l'information pertinente de leurs bases de données, qu'elles peuvent utiliser pour expliquer et prévoir les phénomènes qui les concernent (risques, productio...
Guardat en:
| Autor principal: | |
|---|---|
| Altres autors: | |
| Format: | Livre papier |
| Idioma: | Français |
| Publicat: |
Paris :
Éditions Technip
2017.
|
| Edició: | 5e édition actualisée et augmentée. |
| Matèries: | |
| Nota: |
La page de couverture porte en plus : "Apprentissage statistique, arbres de décision, classification, data science, exploration des données, machine learning, modèles linéaires, régression logistique, règles d'associations, réseaux de neurones, text mining" |
| Autres localisations: | Voir dans le Sudoc |
Taula de continguts:
- P. 1
- Panorama du data mining et de la data science
- P. 33
- Le déroulement d'une étude de data mining
- P. 53
- L'exploration et la préparation des données
- P. 123
- L'utilisation des données commerciales et géodémographiques
- P. 147
- Les logiciels de statistique, data mining et machine learning
- P. 207
- Panorama des méthodes de statistique et de data mining
- P. 213
- L'analyse factorielle
- P. 265
- Les réseaux de neurones artificiels
- P. 295
- Les méthodes de classification automatique
- P. 365
- La rdétection des règles d'associations
- P. 377
- Les méthodes de classement et de régression
- P. 447
- L'analyse discriminante linéaire et ses généralisations
- P. 471
- Le modèle linéaire et ses généralisations
- P. 565
- Le modèle logistique et ses généralisations
- P. 649
- Les arbres de décision
- P. 679
- Les autres modèles prédictifs
- P. 703
- Les méthodes d'agrégation de modèles
- P. 725
- Une application du data mining : le scoring
- P. 793
- Les facteurs de succès d'un projet de data mining
- P. 805
- Le text mining
- P. 841
- Le web mining
- P. 849
- Annexe : rappels de statistique