Fondements! - textmining.biz

FOUILLE DE DONNEES
-
Fondements!
E. KERGOSIEN
[email protected]
UM2 MONTPELLIER
Cours FMIN311 – M2
"#$!! $%&$'$%&(! &!

Planning!
• !"#$%&'(&)*&+",-(&.&/"#011(&'(&2(34(%&
• !(&5678&.&,"#$%&9/:&;&084$"'#,7"8&<&61="$04-5(%>&
• ?(#'0&@ABCD&.&,"#$%&9/:&;&E1="$04-5(%>&
• ?(#'0&F@GFHBCD&.&2I&J(K6&
• ?(#'0&ABCA&.&,"#$%&)*&2(0%%(0$(&9)"7L%>&&
• ?(#'0&@@BCA&.&2I&J(K6&
&
&
&
"#$!! $%&$'$%&(! $!

Références!
• !"#$%&'(&E88(&M6#$(84N&O80P($%04Q&)"84R(110($&F&
• !"#$%&'(&!-$0%4(11(&S,-6$TN&U/U&
• !"#$%&'(&)6$0#%&/0(%,-0N&O80P($%04Q&'(&)6$%(011(&
• !"#$%&'(&/6V$0,(&+"%%0N&2Q1Q,"5&I6$0%2(,-&
• !"#$%&'(&W6$08(&X(04"#80N&O80P($%04Q&'(&Y($%6011(%&
• U84$"'#,7"8&6#&:646&)0808=*&)*?65V#*&Z[$"11(%*&&@\\H*&
• :646&)0808=.&!"8,(R4%&68'&2(,-80]#(%*&?*&^68&68'&)*&W65V($N&2-(&)"$=68&
W6#L5688&S($0(%&08&:646&)686=(5(84&S[%4(5%N&FCCC*&
• S04(%&J(V&.&W:&_#==(4%&<&O!U&56,-08(&1(6$808=&$(R"%04"$[&
&
&
"#$!! $%&$'$%&(! (!

Organisation du cours
)*+,-./01-*!
• Introduction
o Pourquoi la fouille de données? Et qu’est ce que la fouille de données?
o Des données aux connaissances
o Exemples concrets
• Point sur le projet
• Le data Mining et les autres disciplines
o Liens entre DM et d’autres disciplines
o Les deux types d’approches en DM
o Variables numériques et catégorielles
• Les six grands types de techniques du Data Mining
o La description, la classification, l’association, l’estimation , la segmentation et la prévision
• Algorithmes de ce cours pour la classification
o Approches de classification supervisée et non supervisée
o Règles d’association et motifs séquentiels
o Évaluation des méthodes
• Conclusion
• Quelques produits et zoom sur Weka
&
&
"#$!! $%&$'$%&(! 2!

)3!)*+,-./01-*!
"#$!! $%&$'$%&(! 4!
!
53 6-/,7/-8!95!:-/899;!.;!.-**<;!=!
>3 #<+5?@-,;!
03 A/B;C+!0;!7/;!95!D-/899;!.;!.-**<;C!=!
.3 E;C!.-**<;C!5/F!0-**58CC5*0;C!
;3 GF;H?9;C!.B5??98051-*C!0-*0,I+;C!
&
&