Arbre de décision Un article de Wikipédia, l'encyclopédie libre. Introduction[modifier | modifier le code] Dans les domaines de l'aide à la décision (informatique décisionnelle et entrepôt de données) et de l'exploration de données, certains algorithmes produisent des arbres de décision, utilisés pour répartir une population d'individus (de clients par exemple) en groupes homogènes, selon un ensemble de variables discriminantes (l'âge, la catégorie socio-professionnelle, …) en fonction d'un objectif fixé et connu (chiffres d'affaires, réponse à un mailing, …). À ce titre, cette technique fait partie des méthodes d’apprentissage supervisé. Il s’agit de prédire avec le plus de précision possible les valeurs prises par la variable à prédire (objectif, variable cible, variable d’intérêt, attribut classe, variable de sortie, …) à partir d’un ensemble de descripteurs (variables prédictives, variables discriminantes, variables d'entrées, …). lisibilité du modèle de prédiction, l’arbre de décision, fourni.
Supports de cours -- Data Mining Cette page recense les supports utilisés pour mes enseignements de Machine Learning, Data Mining et de Data Science au sein du Département Informatique et Statistique (DIS) de l'Université Lyon 2, principalement en Master 2 Statistique et Informatique pour la Science des donnéEs (SISE), formation en data science, dans le cadre du traitement statistique des données et de la valorisation des big data. Je suis très attentif à la synergie forte entre l'informatique et les statistiques dans ce diplôme, ce sont là les piliers essentiels du métier de data scientist. Attention, pour la majorité, il s'agit de « slides » imprimés en PDF, donc très peu formalisés, ils mettent avant tout l'accent sur le fil directeur du domaine étudié et recensent les points importants. Cette page est bien entendu ouverte à tous les statisticiens, data miner et data scientist, étudiants ou pas, de l'Université Lyon 2 ou d'ailleurs. Nous vous remercions par avance. Ricco Rakotomalala – Université Lyon 2
Article - 30 idées pour enterrer un projet / 1 : - maintenant, réussissons on peut essayer autrement...les conditions ont changé ça a marché ailleurs… vous avez donc l’expérience pour aller plus loin et éviter les écueils / 2 : - soyons créatifs voilà un véritable argument pour commencer / 3 : - les hommes se sont longtemps passé de machine à laver le linge…ou d’électricité / 4 : - nous trouverons les moyens nécessaires !!! on peut négocier / 5 : - nous avons moins besoins d’hommes que d’idées on peut revoir l’organisation / 6 : - changeons la carte scolaire faites en sorte d’en bénéficier revoyons notre projet / 7 : - qui en bénéficiera ? de quels risques parlez vous ? / 9 : - le moment est venu qu’est ce <qui justifie votre attente ? / 10: - voyons votre expérience, parlons en… ton expérience servira donc à contredire la théorie / 11: - ne partons pas battus d’avance nous le convaincrons rédigeons le courrier ensemble et par rapport aux évaluations nationales ? on n’est pas dans une dynamique de compétition…
Diagramme d'Ishikawa (causes et effets) Un article de Wikipédia, l'encyclopédie libre. Le Diagramme de causes et effets, ou diagramme d'Ishikawa, ou diagramme en arêtes de poisson ou encore 5M, est un outil développé par Kaoru Ishikawa en 1962[1] et servant dans la gestion de la qualité. Description et fonctions[modifier | modifier le code] Ce diagramme représente de façon graphique les causes aboutissant à un effet. Il peut être utilisé comme outil de modération d'un remue-méninges et comme outil de visualisation synthétique et de communication des causes identifiées. Ce diagramme se structure habituellement autour du concept des 5 M. Chaque branche reçoit d'autres causes ou catégories hiérarchisées selon leur niveau de détail. Le positionnement des causes met en évidence les causes les plus directes en les plaçant les plus proches de l'arête centrale. Variantes[modifier | modifier le code] Les termes « Moyens » ou « Machines » remplacent parfois la catégorie « Matériel ». Notes et références[modifier | modifier le code]
Statistique décisionnelle, Data Mining, Scoring et CRM Diagramme de Pareto (80/20) Un article de Wikipédia, l'encyclopédie libre. Pour les articles homonymes, voir Pareto. Diagramme de Pareto sur les causes des retards au travail (les données sont hypothétiques) Le diagramme de Pareto est un graphique représentant l'importance de différentes causes sur un phénomène. Diagramme[modifier | modifier le code] Ce diagramme se présente sous la forme d'une série de colonnes triées par ordre décroissant. Ce diagramme est construit en plusieurs étapes[1] : collecte des donnéesclassement des données au sein de catégoriescalcul du pourcentage de chaque catégorie par rapport au totaltri des catégories par ordre d'importance Histoire[modifier | modifier le code] L'inventeur de ce diagramme est Joseph Juran, l'un des fondateurs de la démarche qualité. En 1941, au cours d’une tournée de "benchmarking" sur le thème du management de la qualité, il rencontre les dirigeants de General Motors. Juran en tire l'idée que, pour un phénomène, 20 % des causes produisent 80 % des effets.
Web Squared Journal Méthode PDCA - Roue de Deming La roue de Deming (de l'anglais Deming wheel) est une transposition graphique de la méthode de gestion de la qualité dite PDCA (plan-do-check-act). Si la paternité de cette méthode revient à Walter A. Shewhart, c'est le statisticien William Edwards Deming qui l'a fait connaître aux industriels japonais dans les années 1950 en la présentant sous l'appellation de cycle de Shewhart (the Shewhart cycle), lors d'une conférence[1] devant 45 membres du Nippon Keidanren, l'organisation patronale japonaise. Au cours des années 1980, Deming a modifié partiellement ce titre qui est devenu PDSA (plan-do-study-adjust)[2]. Technique de mémorisation[modifier | modifier le code] La roue de Deming est un moyen mnémotechnique qui permet de repérer avec simplicité les étapes à suivre pour améliorer la qualité dans une organisation[3]. À quoi sert le cycle PDCA ? « Le cycle PDCA sert à transformer une idée en action et l'action en connaissance. Démarche d'utilisation[modifier | modifier le code] Walter A.
actuvisu Blog