« Pentaho/Data Mining » : différence entre les versions
Contenu supprimé Contenu ajouté
m Robot : Correction syntaxique de type Règles orthographiques générales |
m Robot : Changement de type cosmétique |
||
Ligne 6 :
}}
[[
=== Définition ===
Ligne 15 :
Il existe deux type de data mining: le descriptif et le prédictif.
* '''Le descriptif''' vise à mettre en évidence des informations présentes mais cachées par le volume important de donné. C'est le cas lors de classification automatique d'individu et des recherches d’associations de produits ou médicaments.
* '''Le prédictif''' vise à tirer, faire ressortir de nouvelles informations
=== Objectifs ===
Ligne 22 :
Le data mining est une technique d'aide à la décision très utilisée par les entreprises actuelles, peu importe le secteur d'activités. En effet il est aussi bien utilisé par les entreprises commerciales que les industrielles, ou encore les entités financières.
Aujourd'hui, les entreprises ne se demandent plus seulement"combien de clients ont acheté tel produit pendant telle période?", "quel est leur profil?", mais plutôt les questions suivantes:
* Quel autre produit les intéresseront?
* Quand seront-ils intéressés?".
Chaque consommateur est unique et se différencie par ses goûts, son mode de vie, son sexe, son age, son lieu d'habitation et bien d'autres critères. Il est donc évident que les profils de clientèle à découvrir sont des profils complexes.Les simples oppositions telles que"jeune/âgé", "femme/homme", "citadin/ruraux" peuvent facilement se retrouver avec des statistiques descriptives.Mais la réalité est faite de combinaisons plus complexes, dont les variables discriminantes ne sont pas celles auxquelles on pense directement. C'est dernières sont tellement subtiles que nous n'aurions pas pu les découvrir par hasard.
Et c'est là que le data mining devient intéressant. Avec le data mining nous passons de '''"l'analyse confirmatoire"''' à '''"l'analyse"exploratoire"'''. Les techniques de data mining, plus complexes que la statistique descriptive de base, s'appuient sur des outils d'intelligence artificielle([[Réseaux de neurones]]), la théorie de l'information([[Arbres de décision]]), des statistiques inférentielles(basées sur des échantillons)et des analyses de données traditionnelles(analyse factorielle, classification automatique...)
| |||