Passionné(e) de lecture ? Inscrivez-vous gratuitement ou connectez-vous pour rejoindre la communauté et bénéficier de toutes les fonctionnalités du site !  

Data mining et statistique décisionnelle ; l'intelligence des données (3e édition)

Couverture du livre « Data mining et statistique décisionnelle ; l'intelligence des données (3e édition) » de Stephane Tuffer aux éditions Technip
  • Date de parution :
  • Editeur : Technip
  • EAN : 9782710809463
  • Série : (-)
  • Support : Papier
Résumé:

L'ouvrage couvre l'essentiel des connaissances pour comprendre et appliquer les techniques du data mining et de la statistique décisionnelle. Présente les méthodes classiques (analyse factorielle, régression linéaire, arbres de décision, etc.) et les plus récentes (régressions robustes, réseaux... Voir plus

L'ouvrage couvre l'essentiel des connaissances pour comprendre et appliquer les techniques du data mining et de la statistique décisionnelle. Présente les méthodes classiques (analyse factorielle, régression linéaire, arbres de décision, etc.) et les plus récentes (régressions robustes, réseaux de neurones, etc.), et aborde l'exploration, le contrôle et la préparation des données.

Data Mining et statistique décisionnelle L'intelligence des données Le data mining et la statistique sont de plus en plus répandus dans les entreprises et les organisations soucieuses d'extraire l'information pertinente de leurs bases de données, qu'elles peuvent utiliser pour expliquer et prévoir les phénomènes qui les concernent (risques, consommation, fidélisation...). Cette troisième édition, actualisée et augmentée de 170 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 à la statistique classique (classification automatique, analyse discriminante, régression logistique, modèles linéaires généralisés, régression régularisée...), mais certains sont plus spécifiques au data mining, comme les arbres de décision, les réseaux de neurones, les SVM, l'agrégation de modèles et la détection des règles d'associations. Ces outils sont disponibles dans des logiciels de plus en plus puissants et conviviaux. Un chapitre de l'ouvrage aide d'ailleurs le lecteur à se diriger dans cette offre logicielle et détaille les fonctionnalités des trois principaux : SAS, IBM SPSS et aussi R, qui bénéficie d'un développement conséquent dans cette troisième édition. Ces logiciels sont aussi utilisés pour illustrer par des exemples de nombreuses explications théoriques : une nouvelle partie de 50 pages est consacrée à une étude de cas complète de credit scoring, qui va de l'exploration des données jusqu'à l'élaboration de la grille de score. 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, leur intégration dans les processus opérationnels, sans oublier les contraintes juridiques dès que l'on traite des données à caractère personnel. « Ce livre très riche et agréable à lire, malgré sa technicité, est destiné aux statisticiens et praticiens du data mining, aux utilisateurs et gestionnaires de bases de données mais aussi à tous les décideurs et aux étudiants en sciences économiques. » (Bulletin APMEP) « Cet ouvrage présente un panorama général et complet de ce qu'est le data mining, des domaines où il est utilisé, des techniques utilisées, des applications typiques. » (Bulletin de méthodologie sociologique) « Un manuel très clair et très complet. » (Revue de statistique appliquée) « Un ouvrage de référence pour les gestionnaires de bases de données dans tous les secteurs d'activité. »

Donner votre avis