Classification par arbre de décision 39960

Extrait / Introduction

Extrait / Introduction :

Le terme de Datamining est souvent employé pour désigner l’ensemble des outils permettant à l’utilisateur d’accéder aux données de l’entreprise, de les analyser. Nous restreindrons ici le terme de Datamining aux outils ayant pour objet de générer des informations riches à partir des données de l’entreprise, notamment des données historiques, de découvrir des modèles implicites dans les données. Donc la fouille de données (forage, prospection, exploration de données, découverte de connaissance dans les bases de données) est l'extraction non triviale d'informations implicites, inconnues et utiles à partir des données (Piatetsky-Shapiro and Frawley 1991). On peut dire aussi que le Datamining (littéralement « forage de données » : extraire un élément), ensemble de techniques d'exploration dans les données volumineuses afin d'en tirer des connaissances, de regrouper les données en classes, et de construire de modèles (patterns) d’apprentissage pour la classification. Donc c’est un processus qui emploie des techniques d’apprentissage automatiques et intelligentes pour analyser et extraire des connaissances, de grandes quantités de données.

Plan

Plan :

Table des matières Introduction Générale 2 1.Définition de Fouille de données 2 2.Classification 3 2.1 Définition 3 2.2Objectifs de la classification 4 2.3 Types de classification 4 2.3.1 Classification supervisée 4 2.3.2 Classification non supervisée 4 2.4 Méthodes de classification 4 3.Arbres de décision 5 3.1 Définition 5 3.2 Représentation 6 3.3Exemple 6 3.4Avantages et inconvénients 6 3.4.1 Avantages 6 3.4.2 Défauts 7 3.5 Algorithmes utilisées 7 3.5.1 Algorithme de CART 7 3.5.2 Algorithme d'ID3: 15 3.5.3 Algorithme de C4.5 : 19 3.5.4 SLIQ : 24 3.5.5 SPRINT : 24 Conclusion général : 25

Signaler un abus