Nous utilisons des cookies pour améliorer votre expérience. Pour nous conformer à la nouvelle directive sur la vie privée, nous devons demander votre consentement à l’utilisation de ces cookies. En savoir plus.
La construction en Ligne des tables individus variables
Univ Europeenne - EAN : 9783841669919
Édition papier
EAN : 9783841669919
Paru le : 1 juil. 2019
54,90 €
52,04 €
Disponible
Pour connaître votre prix et commander, identifiez-vous
Notre engagement qualité
-
Livraison gratuite
en France sans minimum
de commande -
Manquants maintenus
en commande
automatiquement -
Un interlocuteur
unique pour toutes
vos commandes -
Toutes les licences
numériques du marché
au tarif éditeur -
Assistance téléphonique
personalisée sur le
numérique -
Service client
Du Lundi au vendredi
de 9h à 18h
- EAN13 : 9783841669919
- Réf. fournisseur : 1409140
- Editeur : Univ Europeenne
- Date Parution : 1 juil. 2019
- Disponibilite : Disponible
- Barème de remise : NS
- Nombre de pages : 92
- Format : H:229 mm L:152 mm E:6 mm
- Poids : 148gr
- Interdit de retour : Retour interdit
- Résumé : La fouille de données est l'analyse des observations d'un ensemble de données dont le but est d'identifier des relations non soupçonnées, et de résumer la connaissance incluse au sein de ces données sous de nouvelles formes à la fois compréhensibles et utiles pour l'expert de ces données; les études montrent que cette analyse est d'autant plus facile et plus explicite lorsqu'elle utilise une composante visuelle. Dans cet article, nous proposons une nouvelle approche qui permet d'apporter une solution au problème de la visualisation des données engendré par l'éparsité dans les cubes de données et ceci en utilisant une technique basée sur l'apprentissage automatique par réseaux de neurones à partir d'exemples. Notre travail s'inscrit dans une approche générale de couplage entre fouille de données et analyse en ligne. Il consiste à éliminer les variables exogènes non pertinentes par minimisation des connexions et à sélectionner les individus non applicables afin d'atténuer l'effet négatif de l'éparsité en organisant différemment les cellules d'un cube de données. Notre but consiste à construire un nouvel espace de représentation, regroupant toutes les cellules pleines.
