Réduction du nombre de variables

Résumé : L’interprétation d’un large ensemble de données à l’aide de techniques de data mining est souvent une tâche difficile. Cependant, cette tâche peut être simplifiée par une réduction du nombre de variables qui pourraient être considérées comme équivalentes. Le but de ce chapitre est de décrire une nouvelle méthode pour réduire le nombre de variables d’un grand ensemble de données. L’ASI qui construit des règles d’association à l’aide d’une mesure, plus puissante que la probabilité conditionnelle, est utilisée pour détecter des variables quasi-équivalentes. La technique a plus d’avantages que l’analyse traditionnelle des similarités.
Type de document :
Chapitre d'ouvrage
Régis Gras, Jean-Claude Régnier, Dominique Lahanier-Reuter, Claudia Marinica, Fabrice Guillet. L'analyse statistique implicative. Des Sciences dures aux Sciences Humaines et Sociales, Cépaduès Editions, pp.119-124, 2017, 978.2.36493.577.8. 〈www.cepadues.com〉
Liste complète des métadonnées

https://hal.inria.fr/hal-01617864
Contributeur : Jean-Claude Regnier <>
Soumis le : mardi 17 octobre 2017 - 11:08:15
Dernière modification le : mercredi 19 septembre 2018 - 09:58:21

Identifiants

  • HAL Id : hal-01617864, version 1

Collections

Citation

Régis Gras, Jean-Claude Regnier. Réduction du nombre de variables. Régis Gras, Jean-Claude Régnier, Dominique Lahanier-Reuter, Claudia Marinica, Fabrice Guillet. L'analyse statistique implicative. Des Sciences dures aux Sciences Humaines et Sociales, Cépaduès Editions, pp.119-124, 2017, 978.2.36493.577.8. 〈www.cepadues.com〉. 〈hal-01617864〉

Partager

Métriques

Consultations de la notice

132