| Titre : |
Data mining et statistique décisionnelle : l'intelligence des données |
| Type de document : |
texte imprimé |
| Auteurs : |
Stéphane Tufféry, Auteur |
| Mention d'édition : |
Nouvelle édition revue et augmentée |
| Editeur : |
Paris : Technip |
| Année de publication : |
2007 |
| Importance : |
1 vol. (XIX-533 p.) |
| Présentation : |
ill. en noir et blanc, fig., couv. en coul. |
| Format : |
25 cm |
| ISBN/ISSN/EAN : |
978-2-7108-0888-6 |
| Prix : |
55,00 EUR |
| Langues : |
Français (fre) |
| Catégories : |
Analyse de données
Base de données
Traitement des donnéesSystematic handling, manipulation, and computation of data, always involving the use of computers. Do not confuse with "information processing".
|
| Index. décimale : |
519.5 Statistiques et probabilités |
| Résumé : |
Quatrième de couverture : Le data mining et la statistique sont de plus en plus répandus dans les entreprises et les organisations soucieuses d'extraire l'information pertinente cachée dans leurs bases de données, en vue d'expliquer et de prévoir.
Cette nouvelle édition, revue et augmentée de 160 pages, fait le point sur le data mining, ses méthodes, ses outils et ses applications, qui vont du scoring jusqu'au web mining et au text mining. Nombre de ces outils appartiennent à l'analyse des données et la statistique classique (classification automatique, analyse discriminante, régression logistique, modèles linéaires généralisés,...) mais certains sont plus spécifiques au data mining, comme les antres de décision, les réseaux de neurones, les SVM, le boosting, etc.
Tous sont disponibles dans des logiciels de plus en plus puissants et conviviaux : un chapitre aide d'ailleurs le lecteur a se diriger dans cette offre logicielle fournie et dresse un comparatif très approfondi des deux leaders, SAS et SPSS. L'utilisation des logiciels et l'interprétation des résultats sont illustrées par de nombreux exemples conduits avec SAS. SPSS et R. Les aspects méthodologiques vont de la conduite des projets jusqu'aux facteurs de réussite et aux pièges à éviter, en passant par l'évaluation et la comparaison des modèles, l'intégration dans le marketing de bases de données, le Calcul du retour sur investissement, les interfaces informatiques, sans oublier les contraintes juridiques dés que l'on traite des données à caractère personnel. |
| Note de contenu : |
1/Panorama du data mining
2/Le déroulement d'une étude de data mining
3/ L'exploration et la préparation des données
4/L'utilisation des données commerciales
5/ Aperçu sur les techniques de data mining
6/L'analyse factorielle
7/Les réseaux de neurones
8/Les techniques de classification automatique
9/La recherche d'associations
10/Les techniques de classement et de prédiction
11/Une application du data mining : le scoring
12/Les facteurs de succès d'un projet de data mining
13/ Les logiciels de statistique et data mining
14/Le text mining
15/Le web mining
Annexes
Bibliographie. |
Data mining et statistique décisionnelle : l'intelligence des données [texte imprimé] / Stéphane Tufféry, Auteur . - Nouvelle édition revue et augmentée . - Paris : Technip, 2007 . - 1 vol. (XIX-533 p.) : ill. en noir et blanc, fig., couv. en coul. ; 25 cm. ISBN : 978-2-7108-0888-6 : 55,00 EUR Langues : Français ( fre)
| Catégories : |
Analyse de données
Base de données
Traitement des donnéesSystematic handling, manipulation, and computation of data, always involving the use of computers. Do not confuse with "information processing".
|
| Index. décimale : |
519.5 Statistiques et probabilités |
| Résumé : |
Quatrième de couverture : Le data mining et la statistique sont de plus en plus répandus dans les entreprises et les organisations soucieuses d'extraire l'information pertinente cachée dans leurs bases de données, en vue d'expliquer et de prévoir.
Cette nouvelle édition, revue et augmentée de 160 pages, fait le point sur le data mining, ses méthodes, ses outils et ses applications, qui vont du scoring jusqu'au web mining et au text mining. Nombre de ces outils appartiennent à l'analyse des données et la statistique classique (classification automatique, analyse discriminante, régression logistique, modèles linéaires généralisés,...) mais certains sont plus spécifiques au data mining, comme les antres de décision, les réseaux de neurones, les SVM, le boosting, etc.
Tous sont disponibles dans des logiciels de plus en plus puissants et conviviaux : un chapitre aide d'ailleurs le lecteur a se diriger dans cette offre logicielle fournie et dresse un comparatif très approfondi des deux leaders, SAS et SPSS. L'utilisation des logiciels et l'interprétation des résultats sont illustrées par de nombreux exemples conduits avec SAS. SPSS et R. Les aspects méthodologiques vont de la conduite des projets jusqu'aux facteurs de réussite et aux pièges à éviter, en passant par l'évaluation et la comparaison des modèles, l'intégration dans le marketing de bases de données, le Calcul du retour sur investissement, les interfaces informatiques, sans oublier les contraintes juridiques dés que l'on traite des données à caractère personnel. |
| Note de contenu : |
1/Panorama du data mining
2/Le déroulement d'une étude de data mining
3/ L'exploration et la préparation des données
4/L'utilisation des données commerciales
5/ Aperçu sur les techniques de data mining
6/L'analyse factorielle
7/Les réseaux de neurones
8/Les techniques de classification automatique
9/La recherche d'associations
10/Les techniques de classement et de prédiction
11/Une application du data mining : le scoring
12/Les facteurs de succès d'un projet de data mining
13/ Les logiciels de statistique et data mining
14/Le text mining
15/Le web mining
Annexes
Bibliographie. |
|  |
Affiner la recherche Interroger des sources externes
