Data mining et statistique décisionnelle

Un livre de Stéphane Tuffery
Editeur : Editions Technip (3ème édition revue et augmentée - janvier 2010 - 705 pages)
ISBN-10: 271080946X

Le data mining et la statistique sont de plus en plus répandus dans les entreprises et les organisations soucieuses d'extraire l'information pertinente de leurs bases de données, qu'elles peuvent utiliser pour expliquer et prévoir les phénomènes qui les concernent (risques, consommation, fidélisation...).
Cette troisième édition, actualisée et augmentée de 170 pages, fait le point sur le data mining, ses méthodes, ses outils et ses applications, qui vont du scoring jusqu'au web mining et au text mining. Nombre de ses outils appartiennent à l'analyse des données et la statistique classique (classification automatique, analyse discriminante, régression logistique, modèles linéaires généralisés, régression régularisée...) mais certains sont plus spécifiques au data mining, comme les arbres de décision, les réseaux de neurones, les SVM, l'agrégation de modèles et la détection des règles d'associations. Ces outils sont disponibles dans des logiciels de plus en plus puissants et conviviaux. Un chapitre de l'ouvrage aide d'ailleurs le lecteur à se diriger dans cette offre logicielle et détaille les fonctionnalités des trois principaux : SAS, IBM et SPSS et aussi R, qui bénéficie d'un développement conséquent dans cette troisième édition. Ces logiciels sont aussi utilisés pour illustrer par des exemples de nombreuses explications théoriques : une nouvelle partie de 50 pages est consacrée à une étude de cas complète de credit scoring, qui va de l'exploration des données jusqu'à l'élaboration de la grille de score.
Les aspects méthodologiques vont de la conduite des projets jusqu'aux facteurs de réussite et aux pièges à éviter, en passant par l'évaluation et la comparaison des modèles, leur intégration dans les processus opérationnels, sans oublier les contraintes juridiques dès que l'on traite des données à caractère personnel.

Table des matières :
1. Panorama du data mining. 2. Le déroulement d'une étude de data mining. 3. L'exploration et la préparation des données. 4. L'utilisation des données commerciales. 5. Les logiciels de statistique et data mining. 6. Aperçu sur les techniques de data mining. 7. L'analyse factorielle. 8. Les réseaux de neurones. 9. Les techniques de classification automatique. 10. La recherche d'associations. 11. Les techniques de classement et de prédiction. 12. Une application du data mining : le scoring. 13. Les facteurs de succès d'un projet de data mining. 14. Le text mining. 15. Le web mining. Annexes. Bibliographie. Index.

Chez amazon ...