Analyse discriminante linéaire

réservé à l’Université Rennes 1 2 Plan            Qu’est-ce que le data mining ? A quoi sert le data mining ? L’élaboration d’un modèle de scoring La sélection des variables La modélisation La mesure du pouvoir discriminant Questionnaire adaptatif en scoring Quelques principes du data mining L’agrégation de modèles La détection des règles d’associations Conclusion 14/10/2011 © Stéphane Tufféry - Usage réservé à l’Université Rennes 1 3 Qu’est-ce que

Plan Analyse Factorielle Discriminante de Fisher (AFD) Régression linéaire au sens des moindre carrées Analyse Discriminante Linéaire (ADL) Lien entre AFD, ADL et RMC Synthèse sur AFD, ADL, RMC et RL Avantages et Inconvénients de ADL Projection, Discrimination et Classification Régression Logistique Massih-Réza Amini Techniques d’Analyse de Données et Théorie de l’Information Master M2 IAD – Parcours Recherche amini@poleia.lip6.fr http://www-connex.lip6.fr/~amini Exemple d’application:

avec une philosophie très différente, notamment dans la préparation des fichiers, mais au final nous obtenons des résultats similaires. Nous avons choisi de mettre en compétition trois méthodes d’apprentissage pour illustrer notre propos : un SVM linéaire (Support Vector Machine), la régression logistique et un arbre de décision. Fichier Nous utilisons le fichier BREAST (UCI IRVINE). Il comporte un attribut classe binaire (tumeur bénigne ou maligne), 9 descripteurs, tous continus, et 699 exemples

L’analyse discriminante : L’objectif est d’identifier une combinaison linéaire de variables indépendantes permettant de reconstituer au mieux les valeurs prises par des individus sur une variable dépendante. Les variables dépendantes doivent être d’ordre métriques , tandis que la variable indépendante doit être qualitative.   Quels sont les caractéristiques qui distinguent les étudiants qui choisissent l’ESC et ceux de l’HEC ? En terme de style de vie, quelles sont les différences entre les

Analyse des données Master Statistique et econométrie Notes de cours V. Monbet Master 1 - 2013 Table des matières 1 Introduction 2 Rappels et compléments d’algèbre linéaire 2.1 Notations . . . . . . . . . . . . . . . . . . . . . . . 2.2 Matrices . . . . . . . . . . . . . . . . . . . . . . . . 2.2.1 Notations . . . . . . . . . . . . . . . . . . . 2.2.2 Opérations sur les matrices . . . . . . . . . 2.2.3 Propriétés des matrices carrées . . . . . . . 2.3 Espace euclidiens . . . . . . . . . .

Outils mathématiques & statistiques Analyse discriminante R.BENABDELOUAHED 1 Contrôler Diriger R.BENABDELOUAHED 2 Introduction… L'analyse discriminante connue dans la pratique marketing comme une des techniques de "scoring" essaye de déterminer la contribution des variables qui expliquent l'appartenance des individus à des groupes. R.BENABDELOUAHED 3 Utilisation… On peut, en marketing, distinguer différents type d'utilisateurs d'un produit : utilisateurs

Cours Analyse des données Introduction à l’analyse des données 1.Introduction : il est plus difficile qu’on le pense de donner une définition claire à l’analyse des données…on trouve des expert en la matière qui maîtrisent la plus part des technique d’ADD mais n’arrivent pas a donner une dafinition claire a cette science…c’est la confusion qu’on trouve aussi en essayent de définir les mathématique…Jean Paul Benzecri, le pére de cette science dans l’école francophone donne la défintion suivante

Rappels sur le modèle linéaire . . . . . . . . . . . . . . . . . . 1.2 Analyse discriminante de linéaire (au sens de Fisher ou LDA) 1.2.1 L’analyse discriminante linéaire et quadratique . . . . . 1.2.2 Estimation des paramètres . . . . . . . . . . . . . . . . 1.2.3 Point de vue géométrique . . . . . . . . . . . . . . . . 1.3 Le modèle linéaire généralisé : GLM . . . . . . . . . . . . . . . 1.3.1 La régression logistique . . . . . . . . . . . . . . . . . . 1.3.2 La régression log-linéaire . . . . . . .

Définition  L'analyse discriminante se présente selon deux perspectives complémentaires. La première est descriptive: il s'agit d'une technique statistique qui vise à identifier des variables (X1, X2, X3…) permettant de différencier les individus qui appartiennent à l’un ou l’autre de deux groupes (ou plus). La deuxième perspective est prédictive: après avoir identifié un certain nombre de variables dont la puissance discriminative est satisfaisante, il est possible d'utiliser une ou plusieurs

consacrés aux techniques de data mining, de statistique décisionnelle et de scoring, et à leur mise en oeuvre en entreprise. Ils contiennent une introduction, une partie technique (préparation des données, analyse factorielle, régression linéaire, régression logistique, GLM, analyse discriminante, arbres de décision, réseaux de neurones, algorithmes génétiques, SVM, k-means et centres mobiles, CAH…) et une partie méthodologique (conduite de projet, facteurs de succès, RSI, aspects informatiques, CNIL…)