Data mining : découverte de connaissances dans les données / Daniel T. Larose, Chantal D. Larose ; traduction, Thierry Vallaud
LivresLangue: français ; de l'oeuvre originale, anglais ; de la table des matières, français.Mention d'édition: 2e éditionÉditeur : Paris : Vuibert, DL 2018Description : 1 volume (xxv-356 pages) :
illustrations, graphiques, couverture illustrée en couleur ;
24 cmISBN: 978-2-311-40560-6.Est une traduction de : Discovering knowledge in data, an introduction to data mining, 2nd edition, cop. 2014Résumé : Mêlant la théorie et la pratique au travers d'exemples et d’exercices concrets, abondamment illustré, ce livre propose une méthodologie claire du data mining en expliquant ses concepts et techniques : classification et clusterisation, exploration et prédiction, arbres de décision, réseaux de neurones et de Kohonen, règles d’association, évaluation des modèles, etc. [Source éd.]Sujet - Nom commun: Bases de données, Gestion | Exploration de données | Veille informationnelle | Analyse des données | Systèmes d'aide à la décision 
Voir dans le SUDOC
| Type de document | Site actuel | Collection | Localisation | Cote | Statut | Date de retour prévue | Code à barres | Réservations | |
|---|---|---|---|---|---|---|---|---|---|
| Prêt normal | Enssib | Papier | Pôle Information numérique et médias | 006 ANA l (Parcourir l'étagère(Ouvrir ci-dessous)) | Disponible | 8456140 |
Références bibliographiques. Index
Mêlant la théorie et la pratique au travers d'exemples et d’exercices concrets, abondamment illustré, ce livre propose une méthodologie claire du data mining en expliquant ses concepts et techniques : classification et clusterisation, exploration et prédiction, arbres de décision, réseaux de neurones et de Kohonen, règles d’association, évaluation des modèles, etc. [Source éd.]
Chapitre 1. Introduction au data mining Chapitre 2. La préparation des données Chapitre 3. L'analyse exploratoire des données Chapitre 4. L'analyse statistique univariée Chapitre 5. Les statistiques multivariées Chapitre 6. Préparer les données pour la modélisation Chapitre 7. L'algorithme des k plus proches voisins Chapitre 8. Les arbres de décision Chapitre 9. Les réseaux de neurones Chapitre 10. La classification hiérarchique et la classification des k moyennes Chapitre 11. Les réseaux de Kohonen Chapitre 12. Les règles d'association Chapitre 13. L'imputation des données manquantes Chapitre 14. Les techniques d'évaluation des modèles Résumé des données et visualisation des données
Il n'y a pas de commentaire pour ce titre.