Back to list

Approche pragmatique de la classification

Arbres hiérarchiques, partitionnements


Authors : CONFAIS Josiane

CONFAIS Josiane

Master Degree in Statistics
Graduate Engineer from ISUP

Position:
Engineer (Paris VI)

Fields of publications:
Statistics

Author of 15 scientific communications in French and 1 in English, J. Confais published:
In French:
- Méthodes de classification (avec illustrations SPAD et SAS) (CISIA/CERESTA, 2000).

, NAKACHE Jean-Pierre

NAKACHE Jean-Pierre

Master degree in Mathematical Statistics (Paris VI)
Ph.D. in Mathematics (Paris VI)

Position:
Research Engineer CNRS/INSERM U88

Fiels of publication:
Applied Statistics

Author of about 40 scientific publications (30 in English), J.-P. Nakache co-authored the following titles:
In French:
- Exercices commentés de mathématiques pour l’analyse statistique des données (Dunod, 1981)
- Analyse discriminante sur variables qualitatives (Polytechnica, 1994)
- Le modèle Log-linéaire et ses applications (CISIA-CERESTA, 1996)
- Méthodes de classification (avec illustrations SPAD et SAS)


ISBN : 9782710808480
trade paperback      16 x 24 cm      272 pages
Publication date : November 2004

Around the book


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.


Contents :


 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.