Data Science

Techniques d’association

Objectifs

  • Les techniques d’association que l’on illustre souvent par l’exemple du panier d’achat de la ménagère sont des techniques qui permettent d’observer les relations entre vos produits / références
  • Les techniques d’identification de séquences qui elles ajoutent une notion temporelle en sont un corollaire
  • Cette formation de deux journées vous propose de vous initier à ces différentes techniques

Programme

Principes de l’association
  • L’analyse du panier d’achat : principe, techniques d’explorations
  • Focus sur une de ses techniques : l’algorithme d’association
  • Les règles d’association : définition, vraisemblance d’une règle (niveau de support, niveau de confiance)
  • Champs d’utilisation des algorithmes d’utilisation : panier d’achat, ciblage, text mining, …
  • Focus sur la préparation des données en association
Les algorithmes d’association
  • La méthode GRI (Generalized Rules Induction) : conditions d’utilisation, points forts, points faibles
  • La méthode A Priori : conditions d’utilisation, points forts, points faibles
  • La méthode CARMA : conditions d’utilisation, points forts, points faibles
  • Représentation graphique des résultats
  • Mode d’utilisation des différents algorithmes en fonctions de la structure de la table
Les séquences d’événements
  • Liens et différences entre association et détection de séquence
  • Les données pour la détection de séquence
  • Méthode de détection de séquence
  • Différence entre détection de séquence et analyse de liens
Cas pratique
IBM SPSS modeler niveau 2 _ modélisation (Prev Lesson)
(Formation suivante) Data Science, les fondamentaux
Retour à Data Science

Pas de commentaires

Donner un commentaire