|
| Titre : | Approche pragmatique de la classification : arbres hiérarchiques, partitionnements | | Type de document : | texte imprime | | Auteurs : | Jean-Pierre Nakache, Auteur ; Josiane Confais, Auteur | | Editeur : | Paris : Éd. Technip | | Année de publication : | 2004 | | Importance : | (X-262 p.) | | Présentation : | ill., couv. ill. en coul. | | Format : | 24 cm | | ISBN/ISSN/EAN : | 978-2-7108-0848-0 | | Note générale : | Bibliogr. p. [247]-256. Index | | Langues : | Français | | Catégories : | Algorithmes
| | Mots-clés : | Algorithmes Classification automatique (statistique) Analyse multivariée Analyse discriminante Cluster analysis | | Index. décimale : | 519.53 | | Résumé : |
La quatrième de couverture indique: "La classification est une branche de l'analyse statistique multidimensionnelle descriptive qui a fait l'objet de très nombreuses publications. Elle connaît, ces dernières années, un renouvellement et un développement considérables avec la multiplication de bases de données de plus en plus importantes, nécessitant une exploration fouillée (data mining) avant d'adopter un modèle probabiliste suggéré par les résultats. Les techniques de classification font appel à une démarche algorithmique et non à des techniques mathématiques complexes: les classes, obtenues après des opérations simples et répétitives, sont souvent faciles à décrire et à caractériser. Ce manuel pratique présente un large éventail de méthodes de classification, des plus classiques aux plus récentes, regroupées en trois types: . classification hiérarchique ascendante et descendante; . construction d'une partition unique fondée sur différentes notions: similarité, densité, modèle probabiliste ou neuronal, graphique; . classification d'un ensemble de variables. La plupart des méthodes implémentées dans plusieurs logiciels statistiques est largement illustrée et l'interprétation des résultats occupe une place importante. Cet ouvrage intéressera les praticiens confrontés, dans leurs travaux, à des données multidimensionnelles importantes et exerçant dans de nombreux domaines: médecine, sciences sociales, industrie, marketing, psychologie, météorologie, documentation, etc. Il s'adressera également aux enseignants, chercheurs, ingénieurs, étudiants et pourra servir de support de cours dans les universités et les grandes écoles."
| | Note de contenu : |
Classification ascendante hiérarchique
Perte d'inertie minimale et saut minimal
Classification hiérarchique descendante
Classification par partition
Classification conjointe (hiérarchie et partition) appliquée aux grands tableaux de données mixtes
Techniques particulières de classification pour le Data Mining
Nombre de classes à retenir
Caractérisation des classes
Classification d'un ensemble de variables | | En ligne : | https://books.google.dz/books?id=0GEhGcsMIqYC&printsec=frontcover&hl=fr&source=g [...] | | Permalink : | ./index.php?lvl=notice_display&id=13403 |
Approche pragmatique de la classification : arbres hiérarchiques, partitionnements [texte imprime] / Jean-Pierre Nakache, Auteur ; Josiane Confais, Auteur . - Paris : Éd. Technip, 2004 . - (X-262 p.) : ill., couv. ill. en coul. ; 24 cm. ISBN : 978-2-7108-0848-0 Bibliogr. p. [247]-256. Index Langues : Français | Catégories : | Algorithmes
| | Mots-clés : | Algorithmes Classification automatique (statistique) Analyse multivariée Analyse discriminante Cluster analysis | | Index. décimale : | 519.53 | | Résumé : |
La quatrième de couverture indique: "La classification est une branche de l'analyse statistique multidimensionnelle descriptive qui a fait l'objet de très nombreuses publications. Elle connaît, ces dernières années, un renouvellement et un développement considérables avec la multiplication de bases de données de plus en plus importantes, nécessitant une exploration fouillée (data mining) avant d'adopter un modèle probabiliste suggéré par les résultats. Les techniques de classification font appel à une démarche algorithmique et non à des techniques mathématiques complexes: les classes, obtenues après des opérations simples et répétitives, sont souvent faciles à décrire et à caractériser. Ce manuel pratique présente un large éventail de méthodes de classification, des plus classiques aux plus récentes, regroupées en trois types: . classification hiérarchique ascendante et descendante; . construction d'une partition unique fondée sur différentes notions: similarité, densité, modèle probabiliste ou neuronal, graphique; . classification d'un ensemble de variables. La plupart des méthodes implémentées dans plusieurs logiciels statistiques est largement illustrée et l'interprétation des résultats occupe une place importante. Cet ouvrage intéressera les praticiens confrontés, dans leurs travaux, à des données multidimensionnelles importantes et exerçant dans de nombreux domaines: médecine, sciences sociales, industrie, marketing, psychologie, météorologie, documentation, etc. Il s'adressera également aux enseignants, chercheurs, ingénieurs, étudiants et pourra servir de support de cours dans les universités et les grandes écoles."
| | Note de contenu : |
Classification ascendante hiérarchique
Perte d'inertie minimale et saut minimal
Classification hiérarchique descendante
Classification par partition
Classification conjointe (hiérarchie et partition) appliquée aux grands tableaux de données mixtes
Techniques particulières de classification pour le Data Mining
Nombre de classes à retenir
Caractérisation des classes
Classification d'un ensemble de variables | | En ligne : | https://books.google.dz/books?id=0GEhGcsMIqYC&printsec=frontcover&hl=fr&source=g [...] | | Permalink : | ./index.php?lvl=notice_display&id=13403 |
|  |
519 
Ajouter le résultat dans votre panier Faire une suggestion Affiner la recherche Interroger des sources externesApproche pragmatique de la classification / Jean-Pierre Nakache (2004)
