Stéphane Tufféry Statisticien - Data Miner - Enseignant DATA MINING - SCORING STATISTIQUE DÉCISIONNELLE APPLICATION AU CRM 02/12/2004 © Stéphane Tufféry - Data Mining & Scoring - http://data.mining.free.fr 1 Plan du cours Qu’est-ce que le data mining ? A quoi sert le data mining ? Les 2 grandes familles de techniques Le déroulement d’un projet de data mining Coûts et gains du data mining Facteurs de succès - Erreurs à éviter Informatique décisionnelle et de gestion La préparation des données Techniques descriptives de data mining Techniques prédictives de data mining : les réseaux de neurones, SVM et algorithmes génétiques Logiciels et consultants CNIL et limites légales du data mining Le text mining Le web mining 02/12/2004 © Stéphane Tufféry - Data Mining & Scoring - http://data.mining.free.fr PDF created with pdfFactory Pro trial version www.pdffactory.com 2 Technique de classement ou de prédiction : Les réseaux de neurones 02/12/2004 © Stéphane Tufféry - Data Mining & Scoring - http://data.mining.free.fr 3 Les réseaux de neurones Un réseau de neurones : ensemble de nœuds connectés entre eux, chaque variable correspondant à un nœud Le plus courant est le perceptron : n1 n2 p1 p2 DW n3 Σ p3 p4 n4 s(n1p1 + … + n kp k) p5 couche de sortie n5 couche d'entrée 02/12/2004 © Stéphane Tufféry - Data Mining & Scoring - http://data.mining.free.fr PDF created with pdfFactory Pro trial version www.pdffactory.com 4 Principe du perceptron multicouches Lors de l’apprentissage du réseau de neurones, pour chaque exemple présenté en entrée, la valeur renvoyée (« rétropropagée ») par le nœud de sortie est comparée à la valeur réelle, et les poids pi sont ajustés La fonction de combinaison Σinipi (produit scalaire) est suivie d’une fonction de transfert : souvent la sigmoïde s(x) = 1 / [1 + exp(-x)] L’échantillon d’apprentissage est parcouru plusieurs fois. L’apprentissage s’achève lorsque 1) une solution