Salut, je fais mon tipe sur le datamining et l'extraction d'infos "utiles" a partir d une base de données.

Du coup je regroupe d'abord mes infos en clusters d'eleme ts similaires ( en un sens que je peux definir comme je veux )

Mais pour donner plus de substance a mon tipe je cherche une application concrete a mo resultat, mais je vois pas trop
Des idées ?

Tu recherches quoi exactement ? Une base de donnée "réelle" sur laquelle travailler ? Des exemples où le datamining est utile ?

Tu peux faire un petit peu de machine learning en faisant un KNN classifier entre 'Apple' le fruit et 'Apple' l'entreprise. C'est pas très dur et çà marche bien.

Le problème du KNN c'est que c'est un peu galère pour classer les variables par ordre d'intérêt non ?

Le 10 novembre 2017 à 12:24:03 [nicomezi] a écrit :
Le problème du KNN c'est que c'est un peu galère pour classer les variables par ordre d'intérêt non ?

Oui c'est clairement pas optimal. Pour avoir des bons résultats il va falloir une base de données assez grande sur le training set et surtout enlever les variables "triviales" du classifier genre les déterminants, les mots de liaisons etc ... Mais pour un TIPE je trouve çà déjà pas mal, çà va le faire utiliser des bibliothèques classiques de machine learning en Python et le jour J çà lui permet de montrer en direct les résultats sur un article qui est paru le jour même ou la veille.

Bah en gros j'ai une base theorique : je sais comment former mes clusters, je sais comment a peu pres definir une distance, mais je sais pas comment avoir une application simple mais interessante dessus qui prend pas trop de temps a expliquer ( genre 3 minutes en présentation le jour j )

Perso j'aime bien l'ACP parce que ça reste un outil qui s'explique très bien théoriquement (algèbre linéaire) et qui permet de réduire le nombre de variables d'un problème pour se concentrer sur quelques unes

Par contre ça faire perdre en lisibilité du modèle.

ACP ?

ça

https://fr.wikipedia.org/wiki/Analyse_en_composantes_principales

Ah merci ca a l'air cool

L'ACP (et toutes les méthodes d'analyse factorielle) c'était très à la mode à un moment, à tel point que tout le monde faisait que ça. Le problème c'est que ça marche bien que si les données sont au voisinage d'un sev. Heureusement y'a d'autres méthodes de réduction de dimension.
Maintenant le truc en vogue c'est les réseaux de neurones.

Sinon l'auteur je pense que data mining c'est beaucoup trop large et vague comme sujet. Vaut mieux que tu te concentres sur une méthode ou une famille de méthodes (exemple : classification supervisée). A mon avis ce qui serait pas mal c'est de donner un exemple jouet (sur des données simulées par exemple) pour illustrer la méthode, et éventuellement ses faiblesses, en faisant varier certains paramètres. Puis donner un exemple d'application sur données réelles. Pour ça tu peux aller voir sur kaggle, c'est un site qui organise des compétitions de data mining.

Sur R, tu as un jeu de donnée inclus sur des espèces d'iris. L'échantillon est pas très gros mais c'est sympa de travailler dessus.

Prauron, je fais pas du datamining dans son ensemble, je me focalise la sue l algorithme de clustering uniquement, c est juste un titre

Bon j'avoue ue j'ai pas été très clair sur mon premier message

Je mets en oeuvre un algorithme de clustering, il me manque juste une petite application.

El famoso jeu de données iris.

T'as une idée prauron ?