Recherchez sur tout Techno-Science.net
       
Techno-Science.net : Suivez l'actualité des sciences et des technologies, découvrez, commentez
Catégories
Techniques
Sciences
Encore plus...
Techno-Science.net
Photo Mystérieuse

Que représente
cette image ?
Caractéristiques du livre :
- Auteur: Collectif
- Editeur: Cepaduès
- Date de parution: 21 Juin 2004
- Format: Reliure inconnue
- Dimensions:
- Nombre de pages:
- Prix indicatif: 27,00 € - Acheter ce livre sur Amazon.fr



Présentation de l'éditeur

La fouille de données est considérée (MIT Technology Review, 2001) comme l’une des dix technologies émergentes du XXIe siècle. Cette discipline vise à exploiter les amoncellements de données électroniques disponibles partout où l’informatique est présente, des supermarchés aux banques, des hôpitaux aux laboratoires scientifiques, en passant par les secteurs industriels et l’agroalimentaire. Ces données sont vues comme les traces de connaissances ou de modèles : les préférences et les habitudes des clients, les tempéraments et les pathologies des humains, les phénomènes physiques ou les logiciels de calcul, les biais des machines et les savoir-faire des opérateurs. Reconstituer les connaissances à partir des données, tel est l’objectif de la fouille de données. Pratiquement, l’exploitation des données permet de construire des hypothèses. Que ces hypothèses soient ou non reconnues comme des connaissances dépend de plusieurs facteurs : leur validité ou efficacité prédictive, leur intelligibilité, leur nouveauté, et enfin, le fait que l’expert puisse s’en servir à ses fins. Or, une des caractéristiques essentielles de la fouille de données et de l’apprentissage artificiel, est qu’un très grand nombre d’hypothèses est en général compatible avec les données existantes. La question se pose donc de les évaluer, de les ordonner, et plus généralement de permettre à l’expert de naviguer commodément parmi ces hypothèses. Ainsi, l’une des tâches de la fouille de données constitue à élaborer des mesures permettant d’évaluer la qualité des hypothèses extraites. Les questions posées sont de plusieurs natures : s’agit-il de qualité subjective ou objective? La qualité des résultats dépend évidemment de la qualité des données initiales ; comment peut-on évaluer la qualité des données? La qualité des résultats dépend également des algorithmes utilisés ; peut-on évaluer la qualité d’un algorithme en fonction des caractéristiques des données? (Ce qui nous conduirait à la question débattue du méta-apprentissage, déterminer le meilleur algorithme d’apprentissage pour une application donnée).Et enfin, comment comparer deux hypothèses? Dans ce numéro spécial, le lecteur trouvera un recueil de travaux récents proposant un état de l’art sur la mesure de qualité en fouille de données. On y présente des éléments de définition de la notion de qualité, des mesures pour l’évaluation de la qualité des données, des règles d’association, des arbres de décision, des règles floues, des règles redondantes, des règles d’exception, ainsi que des études comparatives sur la résistance au bruit, la validation et l’analyse multicritères.


Table des matières

Introduction: Knowledge quality measures in a data-mining process, V. Kumar
Quelques critères pour une mesure de qualité de règles d’association, R. Gras, R. Couturier, J. Blanchard, H. Briand, P. Kuntz, P. Peter
Mesure de la qualité des règles d’association par l’intensité d’implication entropique, J. Blanchard, P. Kuntz, F. Guillet, R. Gras
Qualité d’ajustement d’arbres d’induction, G. Ritschard, D.A. Zighed
Indice probabiliste discriminant (de vraisemblance du lien) d’une règle d’Association en cas de ”très grosses” données, I.-C. Lerman, J. Azé
La qualité des données comme condition vers la qualité des connaissances : un état de l’art, L. Berti-Equille
Méthodes et mesures d’intérêt pour l’extraction de règles d’exception, B. Duval, A. Salleb, C. Vrain
Qualité d’un ensemble de règles : élimination des règles redondantes, R. Lehn, F. Guillet, H. Briand
Qualité des règles et des opérateurs en découverte de connaissances ?oues, M. Bernadet
Evaluation et validation de l’intérêt des règles d’association, S. Lallich, O. Teytaud
Evaluation et analyse multi-critères des mesures de qualité des règles d’association, P. Lenca, P. Meyer, B. Vaillant, P. Picouet, S. Lallich
Extraction de "pépites" de connaissance dans les données : une nouvelle approche et une étude de la sensibilité au bruit, J. Azé, Y. Kodratoff




Acheter ce livre sur Amazon.fr