• Share
  • Email
  • Embed
  • Like
  • Save
  • Private Content
Introduction au datamining, concepts et techniques
 

Introduction au datamining, concepts et techniques

on

  • 7,538 views

Face à l’importance grandissante que prend l’information, le datamining offre une solution pour maitriser la complexité et synthétiser les amas de données pour faire jaillir de la ...

Face à l’importance grandissante que prend l’information, le datamining offre une solution pour maitriser la complexité et synthétiser les amas de données pour faire jaillir de la connaissance.

Cet exposé introduit la notion de datamining dans son ensemble à travers ses concepts et ses principes, et survole quelques techniques utilisées lors de ce processus.

Statistics

Views

Total Views
7,538
Views on SlideShare
7,302
Embed Views
236

Actions

Likes
2
Downloads
191
Comments
0

7 Embeds 236

http://www.idontfixyourpc.com 200
http://idontfixyourpc.blogspot.com 25
http://www.linkedin.com 5
http://www.paperblog.fr 3
http://www.slideshare.net 1
http://www.mefeedia.com 1
https://twitter.com 1
More...

Accessibility

Categories

Upload Details

Uploaded via as Microsoft PowerPoint

Usage Rights

CC Attribution-ShareAlike LicenseCC Attribution-ShareAlike License

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

    Introduction au datamining, concepts et techniques Introduction au datamining, concepts et techniques Presentation Transcript

    • Introduction au
      Datamining
      Concepts et techniques
      BOUSSAIDI Abdellah
      CHAÏB Ismaïl
      ESI, 06/04/2009
    • ?
      ?
      ?
      ?
      ?
      connaissances
      Montagne de données
      Problème?
    • Datamining
    • Quoi Comment Jusqu’ou
      ?
    • Quoi?
      Le datamining est un processus de découvertede connaissances
      connaissances
      Datamining
      Bases de données et Datawarehouses
    • Pourquoi?
      Description
      Prédiction
    • Exemples d’application
      Segmentation des clients 
      Déterminer le panier de la ménagère 
      Détection de Fraude
    • Champs d’application
    • Avantages
      Renforcer la position
      compétitive de l’entreprise
      Identifier les facteurs qui déterminent le comportement du client ;
      Transformer des masses de données en information utile
      Meilleure
      prise de décision
      Identifier les investissements les plus profitables et les moins couteux.
    • QuoiCommentJusqu’ou
      ?
    • Le datamining est un processus itératif
    • Application du processus de datamining :Les Télécoms
    • Formaliser le problème
      Problématique:
      • Segmentation des clients
      • Taux de turn-over
    • Collecte de données
      • Informations clients
      (nom, prénom,
      âge, profession..etc.);
      • Durée d’appel par client;
      • Heures d’appels;
      • Appels non aboutis;
      • …etc.
    • Prétraitement des données
      • Atténuer le bruit 
      Enlever les informations non pertinentes
      • Sélectionner les données utiles
      Mieux vaut tout prendre !
      • ACP…etc.
    • 16
      Estimer le modèle
      Sélectionner le modèle adéquat
      SVM
      régression
      Logique
      Floue
      Méthodes
      Statistique
      Réseaux
      Bayésiens
      Meta
      heuristique
      Arbres
      De décision
      Réseaux
      De Neurones
      Google Confidential
    • 17
      Estimer le modèle
      • Implémenter la technique approprié
      SVM
      Validation
      Logique
      Floue
      Vérification
      Réseaux
      Bayésiens
      Réechan
      Réseaux
      De Neurones
      Méthodes
      D’apprentissage
      Google Confidential
    • 18
      Estimer le modèle
      Estimation
      De l’erreur
      logiciel
      Implémentation
      Techniques
      De datamining
      Google Confidential
    • 19
      Interpréter le modèle
      et tirer les conclusions
      Résultats
      Google Confidential
    • Interpréter le modèle et tirer les conclusions
    • Quoi CommentJusqu’ou
      ?
      Le textmining
    • Le TextMining
      TextMining
      Process
    • Pourquoi?
      80%
      de l’information enregistrée,
      l’est sous forme textuelle
    • Quoi CommentJusqu’ou
      ?
    • Logiciels de datamining
      Poids lourds
      SAS
      SPSS Clementine
      Weka (Open-source)
      Tendance : datamining dans la base de données
      Oracle Darwin Suite
      SQL Server Analysis Services
    • Limites du datamining
      Effort considérable de développement.
      Etat inapproprié des données.
    • Perspectives
      Analyse de plus de données dans un minimum de temps
      Exploration plus approfondie des données
      Datamining pour les PMEs.
      Datamining « domestique »
    • Conclusion
      Datamining
    • Merci pour votre attention