DM Chapitre1

Master 2
Cours Data Mining

Plan du cours
1 Introduction
1.1 Définition de la fouille de données
1.2 Processus du data mining
1.3 Quel type de données fouiller ?
1.4 Les tâches de la fouille de données
2 Recherche des modèles fréquents, corrélations et associations
2.1 Concepts de base
2.2 Méthodes efficaces pour la recherche des modèles fréquents
2.3 Recherche des règles d’association
3 Classification et prédiction
3.2 Arbres de décision
3.3 Classification bayésienne
3.4 Classification basée sur les règles
3.5 Classification par réseaux de neurones
3.6 Support Vector Machines
3.7 Classification Associative
3.8 Prédiction
4 Analyse de clusters
4.2 Méthodes partitionnelles
4.3 Méthodes hiérarchiques
4.4 Méthodes basées modèle
4.5 Support Vector Clustering
4.6 Analyse des données étranges
Références
[1] J. Han, M. Kamber, and J. Pei. Data mining :

concepts and techniques. Morgan Kaufmann Pub, 2011.
[2] M. Kantardzic. Data mining : concepts, models,

methods, and algorithms. Wiley-Interscience, 2003.
[3] P. Preux. Fouille de données, notes de cours.

Disponible sur internet, 2006.
[4] Z. Zhang and R. Zhang. Multimedia data mining. Data

Mining and Knowledge Discovery Handbook, pages
1081–1109, 2010.
Chapitre 1: Introduction
1.1 Définition de la fouille de données
La fouille de données est un domaine qui est apparu avec l’explosion des
quantités d’informations stockées, avec le progrès important des vitesses de
traitement et des supports de stockage.
La fouille de données vise à découvrir, dans les grandes quantités de

données, les informations précieuses qui peuvent aider à comprendre les
données ou à prédire le comportement des données futures.
Le datamining utilise depuis sont apparition plusieurs outils de statistiques et

d’intelligence artificielle pour atteindre ses objectifs.
La fouille de données s’intègre dans le processus d’extraction des

connaissances à partir des données ECD ou (KDD : Knowledge Discovery
from Data en anglais).
Exemples d’application
– organisme de crédit : pour décider d’accorder ou non un crédit en fonction du profil du

demandeur de crédit, de sa demande, et des expériences passées de prêts
– optimisation du nombre de places dans les avions, hôtels, ... ) surréservation
– organisation des rayonnages dans les supermarchés en regroupant les produits qui sont
généralement achetés ensemble;
– organisation de campagne de publicité, promotions, ... (ciblage des offres)
– diagnostic médical
– classification d’objets (astronomie, ...)
– commerce électronique
– analyser les pratiques et stratégies commerciales et leurs impacts sur les ventes
– moteur de recherche sur internet : fouille du web
– extraction d’information depuis des textes : fouille de textes
– évolution dans le temps de données : fouille de séquences.

1.2 Processus du data mining
A) Définition et compréhension du problème
Dans la plus part des cas, il est indispensable de comprendre la signification

des données et le domaine à explorer. Sans cette compréhension, aucun
algorithme ne va donner un résultat fiable. En effet, Avec la compréhension du
problème, on peut préparer les données nécessaires à l’exploration et
interpréter correctement les résultats obtenus.
Généralement, le data mining est effectué dans un domaine particulier

(banques, médecine, biologie, marketing, ...etc) où la connaissance et
l’expérience dans ce domaine jouent un rôle très important dans la définition
du problème, l’orientation de l’exploration et l’explication des résultats
obtenus.
Une bonne compréhension du problème comporte une mesure des résultats

de l’exploration, et éventuellement une justification de son coût. C’est-à-dire,
pouvoir évaluer les résultats obtenus et convaincre l’utilisateur de leur
rentabilité.
B) Collecte des données
Dans cette étape, on s’intéresse à la manière dont les données sont générées
et collectées. D’après la définition du problème et des objectifs du data
mining, on peut avoir une idée sur les données qui doivent être utilisées. Ces
données n’ont pas toujours le même format et la même structure. On peut
avoir des textes, des bases de données, des pages web, ...etc.
Généralement les données sont subdivisées en deux parties : une utilisée

pour construire un modèle et l’autre pour le tester. On prend par exemple une
partie importante (suffisante pour l’analyse) des données (80 %) à partir de
laquelle on construit un modèle qui prédit les données futures. Pour valider ce
modèle, on le teste sur la partie restante (20 %) dont on connaît le
comportement.
C) Prétraitement
Les données collectées doivent être "préparées". Avant tout, elles doivent être
nettoyées puisqu’elles peuvent contenir plusieurs types d’anomalies : des
données peuvent être omises à cause des erreurs de frappe ou à causes des
erreurs dues au système lui-même, dans ce cas il faut remplacer ces données ou
éliminer complètement leurs enregistrements.
Des données peuvent être incohérentes c-à-d qui sortent des intervalles permis,
on doit les écarter où les normaliser. Parfois on est obligé à faire des
transformations sur les données pour unifier leur poids.
Le prétraitement comporte aussi la réduction des données qui permet de réduire

le nombre d’attributs pour accélérer les calculs et représenter les données sous
un format optimal pour l’exploration.
D) Estimation du modèle
Dans cette étape, on doit choisir la bonne technique pour extraire les
connaissances (exploration) des données. Des techniques telles que les
réseaux de neurones, les arbres de décision, les réseaux bayésiens, le
clustering, ... Sont utilisées. Généralement, l’implémentation se base sur
plusieurs de ces techniques, puis on choisit le bon résultat.
E) Interprétation du modèle et établissement des
conclusions
Généralement, l’objectif du data mining est d’aider à la prise de décision en
fournissant des modèles compréhensibles aux utilisateurs. En effet, les
utilisateurs ne demandent pas des pages et des pages de chiffres, mais des
interprétations des modèles obtenus. Les expériences montrent que les modèles
simples sont plus compréhensibles mais moins précis, alors que ceux
complexes sont plus précis mais difficiles à interpréter.
1.3 Quel type de données fouiller ?
Le composant de base d’un processus de data mining est l’ensemble d’échantillons

représentants les données à explorer. Chaque échantillon est présenté sous forme
de ligne caractérisée par un ensemble d’attributs. Dans le cas des bases de données
un échantillon est un enregistrement composé d’un ensemble de champs.
Généralement, il convient de représenter les enregistrements sous forme de points

dans un espace de m dimensions où
m est le nombre d’attributs.
Une donnée est, donc, un enregistrement au sens des bases de données, que
l’on nomme aussi "individu" (terminologie issue des statistiques) ou "instance"
(terminologie orientée objet en informatique) ou même "tuple" (terminologie
base de données) et "point" ou "vecteur" parce que finalement, d’un point de
vue abstrait, une donnée est un point dans un espace euclidien ou un vecteur
dans un espace vectoriel. Une données est caractérisée par un ensemble de
"champs", de "caractères", ou encore d’ « attributs ».
Les attributs ou les champs sont de deux types : numériques où catégoriels:
Les attributs numériques qui comportent les variables réelles ou entières tel
que la longueur, le poids, l’âge, ... sont caractérisés par une relation d’ordre et
une mesure de distance.
Les attributs catégoriels (appelées aussi symboliques) tel que la couleur,

l’adresse ou le groupe sanguin ne possèdent aucune de ces caractéristiques.
1.4 Les tâches de la fouille de données
Beaucoup de problèmes intellectuels, économiques ou même commerciaux

peuvent être exprimés en termes des six tâches suivantes :
– La classification.
– L’estimation.
– Le groupement par similitude (règles d’association).
– L’analyse des clusters.
– La description.
Les trois premières tâches sont des exemples de la fouille supervisée de

données dont le but est d’utiliser les données disponibles pour créer un
modèle décrivant une variable particulière prise comme but en termes de ces
données.
Le groupement par similitude et l’analyse des clusters sont des tâches non-
supervisées.
– Classification
La classification est la tache la plus commune de la fouille de données qui semble

être une tâche humaine primordiale.
Afin de comprendre notre vie quotidienne, nous sommes constamment obligés à
classer, catégoriser et évaluer. La classification consiste à étudier les
caractéristiques d’un nouvel objet pour l’attribuer à une classe prédéfinie. Les
objets à classifier sont généralement des enregistrements d’une base de données,
la classification consiste à mettre à jours chaque enregistrement en déterminant la
valeur d’un champ de classe.
Le fonctionnement de la classification se décompose en deux phases:
La première étant la phase d’apprentissage. Dans cette phase, les approches de

classification utilisent un jeu d’apprentissage dans lequel tous les objets sont déjà
associés aux classes de références connues. L’algorithme de classification
apprend du jeu d’apprentissage et construit un modèle.
La seconde phase est la phase de classification proprement dite, dans laquelle le

modèle appris est employé pour classifier de nouveaux objets.
– L’estimation
L’estimation est similaire à la classification à part que la variable de sortie est

numérique plutôt que catégorique. En fonction des autres champs de
l’enregistrement l’estimation consiste à compléter une valeur manquante
dans un champ particulier.
Par exemple on cherche à estimer la lecture de tension systolique d’un

patient dans un hôpital, en se basant sur l’âge du patient, son genre, son
indice de masse corporelle et le niveau de sodium dans son sang. La relation
entre la tension systolique et les autres données vont fournir un modèle
d’estimation. Et par la suite nous pouvons appliquer ce modèle dans d’autres
cas.
– Le groupement par similitude (Analyse des associations et de motifs
séquentiels)
Le groupement par similitude consiste à déterminer quels attributs "vont

ensemble". La tâche la plus répandue dans le monde du business, est celle
appelée l’analyse d’affinité ou l’analyse du panier du marché, elle permet de
rechercher des associations pour mesurer la relation entre deux ou plusieurs
attributs.
Les règles d’associations sont, généralement, de la forme "Si <antécédent>,
alors <conséquent>".
– L’analyse des clusters
Le clustering (ou la segmentation) est le regroupement d’enregistrements ou

des observations en classes d’objets similaires. Un cluster est une collection
d’enregistrements similaires l’un à l’autre, et différents de ceux existants dans
les autres clusters.
La différence entre le clustering et la classification est que dans le clustering il
n’y a pas de variables sortantes. La tâche de clustering ne classifie pas,
n’estime pas, ne prévoit pas la valeur d’une variable sortantes. Au lieu de cela,
les algorithmes de clustering visent à segmenter la totalité de données en des
sous groupes relativement homogènes. Ils maximisent l’homogénéité à
l’intérieur de chaque groupe et la minimisent entre les différents groupes.
– La description
Parfois le but de la fouille est simplement de décrire se qui se passe

sur une Base de Données compliquée en expliquant les relations
existantes dans les données pour premier lieu comprendre le mieux
possible les individus, les produit et les processus présents dans cette
base.
Une bonne description d’un comportement implique souvent une bonne

explication de celui-ci.
Dans la société Algériennes nous pouvons prendre comme exemple

comment une simple description, "les femmes supportent le changement
plus que les hommes", peut provoquer beaucoup d’intérêt et promouvoir
les études de la part des journalistes, sociologues, économistes et les
spécialistes en politiques.
Questions
1. Qu’est ce que le Data Mining ?

2. Qu‘est ce que le data warehouse ?
3. Décrire les différentes étapes du processus de data mining?.
4. Donner des exemples d’application de data mining ?
5. Donner trois logiciels de data mining avec une brève description?.
6. Est-ce que le processus de data mining est linéaire?
7. Proposer des applications de data mining dans les domaines suivants:
Réseaux, E-learning, BDD Web, BDD MultiMedia ?

DM Chapitre1

Transféré par

Droits d'auteur :

Formats disponibles

DM Chapitre1

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

DM Chapitre1

Transféré par

Droits d'auteur :

Formats disponibles

Master 2

Cours Data Mining

[1] J. Han, M. Kamber, and J. Pei. Data mining :

[2] M. Kantardzic. Data mining : concepts, models,

[3] P. Preux. Fouille de données, notes de cours.

[4] Z. Zhang and R. Zhang. Multimedia data mining. Data

1.1 Définition de la fouille de données

La fouille de données vise à découvrir, dans les grandes quantités de

Le datamining utilise depuis sont apparition plusieurs outils de statistiques et

La fouille de données s’intègre dans le processus d’extraction des

– organisme de crédit : pour décider d’accorder ou non un crédit en fonction du profil du

– organisation de campagne de publicité, promotions, ... (ciblage des offres)

– classification d’objets (astronomie, ...)

– moteur de recherche sur internet : fouille du web

– extraction d’information depuis des textes : fouille de textes

– évolution dans le temps de données : fouille de séquences.

Dans la plus part des cas, il est indispensable de comprendre la signification

Généralement, le data mining est effectué dans un domaine particulier

Une bonne compréhension du problème comporte une mesure des résultats

Généralement les données sont subdivisées en deux parties : une utilisée

Le prétraitement comporte aussi la réduction des données qui permet de réduire

Le composant de base d’un processus de data mining est l’ensemble d’échantillons

Généralement, il convient de représenter les enregistrements sous forme de points

Les attributs ou les champs sont de deux types : numériques où catégoriels:

Les attributs catégoriels (appelées aussi symboliques) tel que la couleur,

Beaucoup de problèmes intellectuels, économiques ou même commerciaux

Les trois premières tâches sont des exemples de la fouille supervisée de

La classification est la tache la plus commune de la fouille de données qui semble

Le fonctionnement de la classification se décompose en deux phases:

La première étant la phase d’apprentissage. Dans cette phase, les approches de

La seconde phase est la phase de classification proprement dite, dans laquelle le

L’estimation est similaire à la classification à part que la variable de sortie est

Par exemple on cherche à estimer la lecture de tension systolique d’un

Le groupement par similitude consiste à déterminer quels attributs "vont

Le clustering (ou la segmentation) est le regroupement d’enregistrements ou

Parfois le but de la fouille est simplement de décrire se qui se passe

Une bonne description d’un comportement implique souvent une bonne

Dans la société Algériennes nous pouvons prendre comme exemple

1. Qu’est ce que le Data Mining ?

Vous aimerez peut-être aussi