Data mining Plan „ I- Introduction „ II- Méthodologie „ III- Outils et techniques de data mining „ IV- Méthodes de classification Arbres de décision ‹ k-plus-proches voisins ‹ „ V- Association „ VI- Segmentation ‹ k-moyennes I- Introduction Exemple introductif „ „ Un client vient demander un crédit à une banque Le banquier cherche à savoir s'il va rembourser le crédit ou non ‹ le client ne dira jamais qu'il ne va pas rembourser… mais le banquier peut inférer sur le comportement futur du client à partir de la base de données des anciens clients Définition Data mining Ensemble de techniques d'exploration de données permettant d'extraire d'une base de données des connaissances sous la forme de modèles de description afin de décrire le comportement actuel et/ou de prédire le comportement futur des données DATA WAREHOUSE DATA MINING Découverte de modèles na is sa nc es ‹ Co n „ Compréhension Prédiction Connaissances „ Modèles de description peuvent être: ‹ des analyses : „ ‹ des règles: „ ‹ par exemple: si un client n'a pas payé une facture > 100 000 Sfr alors il est dans 70% des cas en faillite attribution des scores de qualité „ ‹ exemple: la distribution du trafic routier en fonction de l'heure par exemple, score de fidélité aux clients classification des entités „ par exemple, les mauvais payeurs Domaines d'application „ Domaine des assurances ‹ „ analyse des clients à "haut risque" Services financiers Attribution d'un crédit bancaire ‹ Détection de fraude ‹ Marketing ciblé ‹ „ Grande distribution Profil de consommateurs ‹ Constitution des rayons ‹ Marketing ciblé ‹ „ Médecine ‹ „ … Aide au diagnostic Architecture BD BD Spatiales Textes BD multimedia web BD/DW Base de Données ou Data Warehouse Data mining DM: Convergence de plusieurs disciplines Bases de données Statistiques DATA MINING Intelligence Artificielle Analyse de données II- Méthodologie Méthodologie „ 1. Identifier le problème ‹ „

… 전체 문서를 읽으려면 원본 파일을 다운로드하세요.