Data Science, statistique et Machine Learning

L'essentiel de ce qu'il faut savoir pour bien comprendre et bien appliquer les techniques du data mining et de la statistique décisionnelle

Ce traité pratique contient l'essentiel de ce qu'il faut savoir pour bien comprendre et bien appliquer les techniques du data mining et de la statistique décisionnelle.

Dans cette 6e édition, au-delà des méthodes classiques que sont l'analyse factorielle, la régression linéaire, l'analyse discriminante de Fisher, la régression logistique, les arbres de décision, la classification automatique hiérarchique ou par partitionnement, les méthodes les plus récentes sont évoquées : régressions robustes, réseaux de neurones, séparateurs à vaste marge (support vector machines), algorithmes génétiques, gradient boosting, etc.

Les questions techniques sont abordées avec la rigueur voulue, mais sans formalisme excessif. Les chapitres sont illustrés par de nombreux exemples, traités avec différents logiciels.

L'un des avantages de cet ouvrage est de montrer par le menu et l'exemple comment le data mining s'insère dans une problématique d'entreprise, quels sont ses liens, d'une part avec l'informatique, d'autre part avec le marketing de bases de données ou d'autres commanditaires.