Approche pragmatique de la classification: arbres hiérarchiques, partitionnements

Couverture
Editions TECHNIP, 2004 - 262 pages
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."
 

Table des matières

Préface Gilbert Saporta
1
Mesures de ressemblance entre individus
8
Mesures de similarité entre variables
15
Propriétés
21
Perte dinertie minimale et saut minimal
65
Application du critère de Ward aux données Ester et
73
Classification par partition
109
Classification conjointe hiérarchie et partition
129
69
180
Nombre de classes à retenir
189
Caractérisation des classes
207
Classification dun ensemble de variables
219
Classification hiérarchique descendante
224
Logiciels et algorithmes
241
Références bibliographiques
247
102
251

47
136
Techniques particulières de classification pour le Data Mining
153

Expressions et termes fréquents

Références à ce livre

Informations bibliographiques