tp5 word

Document Sample
tp5 word Powered By Docstoc
					Tp Microsoft Word                                 EGIC Ibn Sina




                                       TP5
       I.        Introduction
       II.       Historique
       III.      Définition du Data Mining
        Itératif.
        Interactif.
        Valide.
 IV.     Domaine d’application
 V. Data Mining & l’extraction de connaissances
 VI. Le Processus général de l’ECD
         VI.1 Compréhension du problème
         VI.2 Compréhension du problème
         VI.3 Pré-traitement
         VI.4 Transformation
         VI.5 Fouille de données
         VI.6 Interprétation et validation
 VII. Les tâches du data mining
   VII.1. Classification
    SVM
    Arbre de décision.
    Réseaux de neurones.
   VII.2. L’estimation
   VII.3. La prédiction
         Règle d’association.
         Les arbres de décision.
         les réseaux de neurones.

   VII.6 La description

    Réseaux de neurones.
    Analyse de cluster




H.ARBI                                              2011/2012
Tp Microsoft Word                                                                                                        EGIC Ibn Sina




I. Introduction.......................................................................................................................
II. Historique………………………………………………………………………………..
III. Définition du Data Mining (la Fouille de Données)……………………………………
IV. Domaine d’application………………………………………………………………….
V. Data Mining & l’extraction de connaissances à partir de données (ECD)……………..
V.I Le Processus général de l’ECD………………………………………………………..
        VI.7 Compréhension du problème………………………………………………...
        VI.8 Sélection des données……………………………………………………….
        VI.9 Pré-traitement ……………………………………………………………….
        VI.10 Transformation………………………………………………………………
        VI.11 Fouille de données …………………………………………………………..
        VI.12 Interprétation et validation ………………………………………………….
VII. Les tâches du data mining…………………………………………………………….
        VII.1 Classification …………………………………………………………………
        VII.2 L’estimation…………………………………………………………………..
        VII.3 La prédiction………………………………………………………………….
        VII.4 Le regroupement selon les attributs…………………………………………..
        VII.5 L’analyse des clusters (segmentation)………………………………………..
        VII.6 La description…………………………………………………………………
VIII. Les techniques du Data Mining……………………………………………………..

           VIII.1 Arbre de décision …………………………………………………………..

                 VIII.1.1        Construction d'un arbre de décision…………………………………
                 VIII.1.2        Critère de segmentation……………………………………………...
                 VIII.1.3        Traitement des variables continues…………………………………..
                 VIII.1.4        Définir la bonne taille de l'arbre……………………………………..
                 VIII.1.5        Affectation de la conclusion sur chaque feuille……………………..

                 VIII.1.6 Les différents algorithmes envisageables…………………………….

           VIII.2 Les réseaux de neurones……………………………………………………
               VIII.2.1 Domaines d’application………………………………………………
           VIII.3 Les règles d’association…………………………………………………….
           VIII.4 Machines à vecteurs de support (svm)…………………………………….
               VIII.4.1 Cas deux classe……………………………………………………..
                     VIII.4.1.1 Cas linéaire…………………………………………………..
                     VIII.4.1.2 Cas non linéaire………………………………………………
               VIII.4.2 Cas multi-classes……………………………………………………..
                          VIII.4.2.1. Un contre tous – one versus all –…………………………….

                          VIII.4.2.2. Un contre un – one versus one –……………………………..




H.ARBI                                                                                                                      2011/2012
Tp Microsoft Word                             EGIC Ibn Sina


IX. Conclusion………………………………………………………………………..........




H.ARBI                                          2011/2012

				
DOCUMENT INFO
Shared By:
Categories:
Tags: tp-word
Stats:
views:18
posted:5/18/2012
language:Latin
pages:3