| Titre : |
Data mining et statistique décisionnelle : L'intelligence des données |
| Type de document : |
texte imprimé |
| Auteurs : |
Stéphane Tufféry |
| Mention d'édition : |
4e éd. |
| Editeur : |
Paris : Technip |
| Année de publication : |
2012 |
| Importance : |
XX-826 p. |
| Présentation : |
ill., graph., couv. ill. en coul. |
| Format : |
24 cm. |
| ISBN/ISSN/EAN : |
978-2-7108-1017-9 |
| Note générale : |
Bibliogr. p. [809]-820. Index |
| Langues : |
Français (fre) |
| Catégories : |
005.74 Architecture et conception des bases de données, fichiers et systèmes de gestion de bases de données
|
| Mots-clés : |
Exploration de données Systèmes d'aide à la décision Prise de décision (statistique) |
| Index. décimale : |
005.74 |
| Résumé : |
Data Mining et statistique décisionnelle L'intelligence des données Quatrième édition Le data mining et la statistique 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, consommation, fidélisation...). Cette quatrième édition, actualisée et augmentée de 120 pages, fait le point sur le data mining, ses fondements théoriques, ses méthodes, ses outils et ses applications, qui vont du scoring jusqu'au web mining et au text mining. Nombre de ses outils appartiennent à l'analyse des données et à la statistique « classique » (analyse factorielle, classification automatique, analyse discriminante, régression logistique, modèles linéaires généralisés, régression pénalisée...), mais certains sont plus spécifiques au data mining, comme les arbres de décision, les réseaux de neurones, les SVM, l'agrégation de modèles et la détection des règles d'associations. Ces outils sont disponibles dans des logiciels de plus en plus puissants et conviviaux, aptes à exécuter de nombreux algorithmes sur de grands volumes de données. Un chapitre de l'ouvrage aide le lecteur à se diriger dans cette offre logicielle et détaille les fonctionnalités des trois principaux logiciels : R, SAS et IBM SPSS. Ces logiciels sont aussi utilisés pour illustrer par des exemples de nombreuses explications théoriques. Une partie de 50 pages est consacrée à une étude de cas complète de crédit scoring, qui va de l'exploration des données jusqu'à l'élaboration de la grille de score. Les aspects méthodologiques vont de la conduite des projets jusqu'aux facteurs de réussite et aux pièges à éviter, en passant par l'évaluation et la comparaison des modèles, leur intégration dans les processus opérationnels, sans oublier les contraintes juridiques dès que l'on traite des données à caractère personnel. « Ce livre très riche et agréable à lire, malgré sa technicité, est destiné aux statisticiens et praticiens du data mining, aux utilisateurs et gestionnaires de bases de données mais aussi à tous les décideurs et aux étudiants en sciences économiques » (Bulletin APMEP) « Cet ouvrage présente un panorama général et complet de ce qu'est le data mining, des domaines où il est utilisé, des techniques utilisées, des applications typiques » (Bulletin de méthodologie sociologique) « Un manuel très clair et très complet » (Revue de statistique appliquée) |
| Note de contenu : |
Sommaire :
Panorama du data mining
Le déroulement d'une étude de data mining
L'exploration et la préparation des données
L'utilisation des données commerciales et géodémographiques
Les logiciels de statistique et de data mining
Panorama des méthodes de data mining
L'analyse factorielle
Les réseaux de neurones
Les techniques de classification automatique
La recherche des règles d'associations
Les techniques de classement et de prédiction
L'analyse discriminante linéaire et ses généralisations
Le modèle linéaire et ses généralisations
Le modèle logistique et ses généralisations
Les autres modèles prédictifs
L'agrégation de modèles
Une application du data mining : le scoring
Les facteurs de succès d'un projet de data mining
Le text mining
Le web mining
Annexe : rappels de statistique ; data mining, informatique et libertés |
Data mining et statistique décisionnelle : L'intelligence des données [texte imprimé] / Stéphane Tufféry . - 4e éd. . - Paris : Technip, 2012 . - XX-826 p. : ill., graph., couv. ill. en coul. ; 24 cm. ISBN : 978-2-7108-1017-9 Bibliogr. p. [809]-820. Index Langues : Français ( fre)
| Catégories : |
005.74 Architecture et conception des bases de données, fichiers et systèmes de gestion de bases de données
|
| Mots-clés : |
Exploration de données Systèmes d'aide à la décision Prise de décision (statistique) |
| Index. décimale : |
005.74 |
| Résumé : |
Data Mining et statistique décisionnelle L'intelligence des données Quatrième édition Le data mining et la statistique 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, consommation, fidélisation...). Cette quatrième édition, actualisée et augmentée de 120 pages, fait le point sur le data mining, ses fondements théoriques, ses méthodes, ses outils et ses applications, qui vont du scoring jusqu'au web mining et au text mining. Nombre de ses outils appartiennent à l'analyse des données et à la statistique « classique » (analyse factorielle, classification automatique, analyse discriminante, régression logistique, modèles linéaires généralisés, régression pénalisée...), mais certains sont plus spécifiques au data mining, comme les arbres de décision, les réseaux de neurones, les SVM, l'agrégation de modèles et la détection des règles d'associations. Ces outils sont disponibles dans des logiciels de plus en plus puissants et conviviaux, aptes à exécuter de nombreux algorithmes sur de grands volumes de données. Un chapitre de l'ouvrage aide le lecteur à se diriger dans cette offre logicielle et détaille les fonctionnalités des trois principaux logiciels : R, SAS et IBM SPSS. Ces logiciels sont aussi utilisés pour illustrer par des exemples de nombreuses explications théoriques. Une partie de 50 pages est consacrée à une étude de cas complète de crédit scoring, qui va de l'exploration des données jusqu'à l'élaboration de la grille de score. Les aspects méthodologiques vont de la conduite des projets jusqu'aux facteurs de réussite et aux pièges à éviter, en passant par l'évaluation et la comparaison des modèles, leur intégration dans les processus opérationnels, sans oublier les contraintes juridiques dès que l'on traite des données à caractère personnel. « Ce livre très riche et agréable à lire, malgré sa technicité, est destiné aux statisticiens et praticiens du data mining, aux utilisateurs et gestionnaires de bases de données mais aussi à tous les décideurs et aux étudiants en sciences économiques » (Bulletin APMEP) « Cet ouvrage présente un panorama général et complet de ce qu'est le data mining, des domaines où il est utilisé, des techniques utilisées, des applications typiques » (Bulletin de méthodologie sociologique) « Un manuel très clair et très complet » (Revue de statistique appliquée) |
| Note de contenu : |
Sommaire :
Panorama du data mining
Le déroulement d'une étude de data mining
L'exploration et la préparation des données
L'utilisation des données commerciales et géodémographiques
Les logiciels de statistique et de data mining
Panorama des méthodes de data mining
L'analyse factorielle
Les réseaux de neurones
Les techniques de classification automatique
La recherche des règles d'associations
Les techniques de classement et de prédiction
L'analyse discriminante linéaire et ses généralisations
Le modèle linéaire et ses généralisations
Le modèle logistique et ses généralisations
Les autres modèles prédictifs
L'agrégation de modèles
Une application du data mining : le scoring
Les facteurs de succès d'un projet de data mining
Le text mining
Le web mining
Annexe : rappels de statistique ; data mining, informatique et libertés |
|  |
Affiner la recherche Interroger des sources externes
