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.
Aiguillage de requêtes de data-mining
Univ Europeenne - EAN : 9786131531019
Édition papier
EAN : 9786131531019
Paru le : 27 août 2010
39,00 €
36,97 €
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 : 9786131531019
- Réf. fournisseur : 4474806
- Editeur : Univ Europeenne
- Date Parution : 27 août 2010
- Disponibilite : Disponible
- Barème de remise : NS
- Nombre de pages : 88
- Format : H:229 mm L:152 mm E:5 mm
- Poids : 142gr
- Interdit de retour : Retour interdit
- Résumé : Le forage de données ("data mining") se fait à partir de plusieurs techniques d''apprentissage automatique. Chacune étant propice à extraire des connaissances de nature différente ou dans des contextes différents, il importe de choisir la bonne technique selon le problème posé. Les algorithmes d''apprentissage automatique possédant chacun des forces et faiblesses qui leur sont propres pour divers types de problème de découverte des connaissances à partir de données, certains auront un meilleur taux de succès ou un plus court temps d''exécution que d''autres. Cet ouvrage propose une méthode pour aiguiller automatiquement diverses requêtes de forage de données vers différents modules d''extraction de connaissances déjà existants selon le type des données à analyser. Cette sélection automatique permettra à un utilisateur non expert de tirer profit de l''apprentissage automatique sans avoir les connaissances nécessaires pour bien choisir un algorithme d''apprentissage automatique, et devrait améliorer l''efficacité en termes de taux d''exactitude de l''hypothèse émise et de temps d''exécution de l''algorithme d''apprentissage automatique choisi.
