Approche pragmatique de la classification
Arbres hiérarchiques, partitionnements |
 |
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. 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.
Il 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.
Table des matières : I. Classification ascendante hiérarchique. II. Perte d'inertie minimale et saut minimal. III. Classification hiérarchique descendante. IV. Classification par partition. V. Classification conjointe (hiérarchie et partition) appliquée aux grands tableaux de données mixtes. VI. Techniques particulières de classification pour le Data Mining. VII. Nombre de classes à retenir. VIII. Caractérisation des classes. IX. Classification d'un ensemble de variables. Logiciels et algorithmes. Références. Index alphabétique.
Les données utilisées pour cet ouvrage pouvent être téléchargées
ici
|
Comment commander | 
0 titre(s) dans votre panier
Statistique explicative appliquée
Voir tous 
Revues de presse
