Abstract | Keywords | Export | Availability | Bookmark

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Le data tnining et la statistique sont de plus en plus répandus clans les entreprises et les organisations soucieuses d'extraire l'information pertinente de leurs bases (le données, qu'elles peuvent utiliser, ppour, expliquer et prévoir les phénomènes qui les concernent (risques, consommation, fidélisation...). Celte troisième édition, actualisée et augmentée de 170 pages, fait le point sur le data mining, ses méthodes, ses outils et ses applications, qui vont (lu scoring jusqu'au tacb mining et au lev 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, compte les arbres (le décision, les réseaux (le neurones, les SVM, l'agrégation (le modèles et la d élection (les règles d'associations. Ces outils sont disponibles (laits des logiciels (le plus en plus puissants et conviviaux. Lit chapitre de l'ouvrage aide d'ailleurs le lecteur à se diriger dans cette offre logic;elle et détaille les fonctionnalités des trois principaux : SAS, IBM SPSS et aussi R, qui bénéficie d'un développement conséquent dans celte troisième édition. Ces logiciels sont aussi utilisés pour illustrer par (les exemples de nombreuses explications théoriques : titre nouvelle partie de 50 pages est consacrée à une étude de cas complète (le credit scoring, qui va de l'exploration (les données jusqu'à l'élaboration de la grille le score.

Data mining --- Statistical decision