relationnelle [4] telle que les valeurs de ces distances i) entre les Cjsoient fonction des
corr´elations (sym´etriques) observ´ees, et ii) entre les Cjet les yksoient fonction d’indices
de corr´elations dissym´etriques [5]. A ce niveau, les proximit´es des points repr´esentatifs
des Cjet des yk, projet´es orthogonalement sur des sous-espaces principaux, mettent
en ´evidence (par accumulation non exclusive) des r`egles qui ne seront g´en´er´ees que si
les conditions fix´ees par l’utilisateur sur les pourcentages PCj,P
yket PCj/yksont sat-
isfaites. Ainsi, on obtient les premisses des r`egles sans avoir `a les introduire a priori
dans l’ensemble des conjonctions analys´ees, ce qui limite le nombre de conjonctions `a
examiner.
Des g´en´erateurs de r`egles, utilisant des techniques relevant de l’apprentissage, sont pro-
pos´es notamment par [2, 3]. Les r´esultats de notre algorithme ne d´ependent pas de
l’ensemble des exemples, comme c’est le cas dans [2]. On a observ´e sur les jeux de
donn´ees trait´es que la complexit´e de l’algorithme est lin´eaire relativement aux exem-
ples alors que celui de [3] est de complexit´e quadratique. Il semble, par contre, ˆetre de
complexit´e exponentielle relativement aux modalit´es.
References
[1] Der Megreditchian, G. L’optimisation des r´eseaux d’observation des
champs m´et´eorologiques.Lam´et´eorologie,VI,n17,Paris 1979.
[2] Ho Tu Bao et al..G´en´eralisation de r`egles d’expertise `a partir
d’observations. In : Actes des I Journ´ees Symboliques-Num´eriques,
Paris, 1987.
[3] Ralambondrainy, H. GENREG un g´en´erateur de r`egles combinant tech-
niques d’apprentissage et techniques d’Analyse des Donn´ees. In : Actes
des I Journ´ees Symboliques-Num´eriques, Paris, 1987.
[4] Schektman, Y. Contribution `a la mesure en facteurs dans les sciences
exp´erimentales et `a la mise en œuvre automatique dans les calculs statis-
tiques.Th`ese d’Etat, 1978.
[5] Schektman, Y. A general euclidean approach for measuring and describ-
ing associations between several sets of variables. Proceedings of the 1st
French-Japanese Sem., 31-42, Tokyo, 1987.
[6] Schektman, Y. Euclidean approach and statistical approximations for
generating weighted knowledge rules from large set of data. Studien zur
Klassification, Bd.19(1989),p.328-330.
2