LE DECISIONNEL : LE CERCLE VERTUEUX

1
LE DECISIONNEL LE CERCLE VERTUEUX
TRANSFORMER L INFORMATION EN CONNAISSANCES
Le DATA MINING
IDENTIFIER L OPPORTUNITE COMMERCIALE OU AUTRE
AGIR SUR LES INFORMATIONS
MESURER LES RESULTATS DES ACTIONS
2
LE DATA MINING LE PRINCIPE GENERAL
3
LE DATA MINING POUR QUOI FAIRE
4
LE DATA MINING UN PROCESSUS AUTOMATISE

• Passage de la donnée à l information
• Le Data Mining est un processus (le plus
  automatisé possible) qui part des données
  élémentaires pour arriver à la prise de décision
• A chaque étape, on a une plus value
  informationnelle

5
LES TACHES DU DATA MINING

• La classification
• L estimation
• La prédiction
• Le groupement par similitudes
• Analyse des clusters
• La description

6
LES TACHES DU DATA MINING LA CLASSIFICATION

• Définir à priori une partition dun ensemble
  clairement identifié
• Affecter un nouvel objet à lune des classes de
  la partition.
• Principe
• Définir précisément les classes
• Apprentissage avec une base dexemples
  préclassés.
• Mise au point dun modèle pour classer les
  données nouvelles.

7
LES TACHES DU DATA MINING EXEMPLES DE
CLASSIFICATION

• Affectation de mots clés aux articles qui
  arrivent dans une rédaction de journal
• Classification de demandeurs de crédit dans des
  classes de risque bas, risque moyen, risque haut
• L affectation de codes industriels et de
  nomenclatures de tâches sur la base d une
  description des tâches en texte libre

8
LES TACHES DU DATA MINING LESTIMATION

• La classification se réfère à des événements
  discrets
• Lestimation se réfère à des valeurs continues.
  Estimer une valeur continue qui décrit un objet
  revient à classer cet objet dans un ensemble
  partitionné en un nombre  infini  de classes.
• Exemple
• la durée de vie d un client
• la probabilité de réponse à un mailing

9
LES TACHES DU DATA MINING LA PREDICTION

• La prédiction est assimilable au classement ou à
  lestimation mais les objets sont classés en
  fonction d un comportement futur prédit
• On ne peut vérifier la précision de la
  classification ou de lestimation quaprès coup
• Exemple
• Prédiction des clients qui vont disparaître dans
  les six mois.
• Prédiction dun volume de vente dun produit dans
  les mois qui suivent.

10
LES TACHES DU DATA MINING LE GROUPEMENT PAR
SIMILITUDE

• Il sagit de regrouper des objets qui vont
  naturellement ensemble pour définir des règles
  d association
• Exemples
• Dans un supermarché, déterminer les  choses 
  qui se retrouvent dans un même caddie
• Dans une base de données de cinéphiles, trouver
  les associations entre les films

11
LES TACHES DU DATA MINING L ANALYSE DE
CLUSTERS

• Lanalyse de clusters permet de découper à
  postériori un population hétérogène en classes
  homogènes
• La signification des clusters formés par la
  méthode est à découvrir par ailleurs.
• Exemples
• En fonction de critères d achats d une voiture,
  faire une segmentation des acheteurs
• En fonction des notes obtenues dans les
  différentes matières, faire une segmentation des
  étudiants

12
LES TACHES DU DATA MINING LA DESCRIPTION

• Il sagit de décrire les données pour essayer de
  découvrir et de comprendre le processus qui est à
  lorigine de ces données
• Il sagit souvent du démarrage dune étude où on
  a peu de connaissances sur le phénomène étudié.
• Cette description permet denchaîner sur une ou
  plusieurs des tâches précédentes.

13
METHODES DU DATA MINING STATISTIQUES ET
ANALYSE DES DONNEES

• INFERENCE STATISTIQUE
• Estimations de paramètres
• Théorie des tests
• ANALYSE DES DONNEES
• Analyse en composantes principales
• Analyse des correspondances
• Analyse discriminante
• ...

14
METHODES DU DATA MINING PANIER DE LA MENAGERE

• On liste toutes les transactions (ensemble
  d objets pris par un individu)
• On dresse un tableau de co-occurrence des objets
• On détermine des règles de la forme  si
  condition alors résultat  avec des taux de
  confiance et damélioration
• p1 p(condition) p2 p(résultat) p3
  p(condition et résultat) Confiance p3 /
  p1 Amélioration p3 /(p1.p2)

15
METHODES DU DATA MINING RAISONNEMENT BASE SUR
LA MEMOIRE (RBM)

• Le principe du RBM est de trouver des voisins
  dun nouvel enregistrement dans une base
  d enregistrements connus (la mémoire) à des fins
  de classement ou de prédiction
• Deux opérations la fonction de distance entre
  deux enregistrements et la fonction de
  combinaison pour donner la réponse à partir des
  résultats obtenus sur les voisins.
• La fonction de combinaison
• faire  voter  les k voisins les plus proches
  avec le poids 1/k( k impairs)
• affecter un poids à chaque voisin inversement
  proportionnel à la distance avec le nouvel
  enregistrement et faire voter ces voisins avec ce
  poids
• Utiliser des techniques de régressions

16
METHODES DU DATA MINING DETECTION DE CLUSTERS

• Cette méthode sert uniquement à trouver a
  posteriori des classes homogènes
• La méthode des K-Moyennes
• La méthode des nuées dynamiques de Mr E Diday
• Classification par agglomération (acendante)

17
METHODES DU DATA MINING LES ARBRES DE DECISION

• Un outil de prédiction et de classification basée
  sur des règles identifiées grâce à une base pré
  classée.
• Construction d une arborescence qui à chaque
  niveau maximise lexpression
• diversité(avant division) - (diversité(fils
  gauche) diversité(fils droit))
• Chaque feuille de larbre est affectée à une
  classe avec un taux derreur.

18
METHODES DU DATA MINING LES RESEAUX DE NEURONES

• Méthode pour prédire ou classer sans avoir besoin
  de comprendre le pourquoi de la prédiction ou du
  classement
• Le réseau est construit par apprentissage sur une
  base pré prédite ou pré classée
• Meilleure approche des problèmes non linéaires
• Un neurone des entrées couplées avec des poids
  fonction de combinaison C fonction de
  transfert F. s F(Cp1,..pk(e1,.,ek))

19
Data Mining L appariement des techniques aux
tâches