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.
Le forage distribué de données
Univ Europeenne - EAN : 9786131502453
Édition papier
EAN : 9786131502453
Paru le : 28 janv. 2011
69,00 €
65,40 €
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 : 9786131502453
- Réf. fournisseur : 4801707
- Editeur : Univ Europeenne
- Date Parution : 28 janv. 2011
- Disponibilite : Disponible
- Barème de remise : NS
- Nombre de pages : 216
- Format : H:229 mm L:152 mm E:13 mm
- Poids : 325gr
- Interdit de retour : Retour interdit
- Résumé : Nous assistons de nos jours à une explosion de la quantité de données électroniques existantes. C'est pourquoi, nous devons avoir recours à des outils automatiques qui sont à même d'analyser automatiquement les données et de ne nous fournir que l'information pertinente et résumée par rapport à ce qui est recherché. Malheureusement, les techniques de forage de données nécessitent généralement un temps de calcul considérable afin d'analyser un large volume. Par ailleurs, si les données sont géographiquement distribuées, les regrouper sur un même site pour y créer un modèle peut s'avérer très coûteux. Pour résoudre ce problème, nous proposons de construire plusieurs modèles, et plus précisément plusieurs classificateurs, soit un classificateur par site. Ensuite, les règles constituant ces classificateurs sont regroupées puis filtrées en se basant sur certaines mesures statistiques et une validation effectuée à partir de très petits échantillons provenant de chacun des sites. Le modèle résultant, appelé méta-classificateur, est, d'une part, un outil de prédiction pour toute nouvelle instance et, d'autre part, une vue abstraite de tout l'ensemble de données.
