Une contribution du datamining àƒÂ la segmentation du marché et au ciblage des offres àƒÂ l'aide de la statistique de Bayes

TABLE DES MATIERES

Pages :

EPIGRAPHE............................................................................................. Erreur ! Signet non défini.

DEDICACE 2

AVANT-PROPOS 3

INTRODUCTION 4

CHAPITRE I. LA FOUILLE DE DONNEES [2, 5, 6,10, 11,12] 7

I.1 Définitions et historique 7

I.2 Les outils 9

I.3. Les différents types de données rencontrés 9

I.3.1 Description classique d'une variable 9

I.3.2 Les variables quantitatives 10

Définition 10

I.3.3 Variables qualitatives 10

Définition : 10

I.3.4 Description symbolique d'une variable 11

Tableau 1.2 Exemple de descriptions multivaluées et modales. 12

I.3.5 Les variables à descriptions multivaluées 12

I.3.6 Les variables à descriptions modales 12

I.3.7 Les variables taxonomiques ou structurées 12

I.4. Les mesure de ressemblance 13

I.4.1 Définition 13

I.4.2 Indice de dissimilarité 13

I.4.3 Distance 14

1.4.4 Indice de similarité 14

I. 5 Mesure de ressemblance entre individus à descriptions classiques 14

I.5.1 Tableau de données numériques (continues ou discrètes) 15

I.6.Le bruit 15

I.7.Différentes tâches d'extraction d'information 16

I.7.1. Problème de classification 16

I.7.2.Problème de segmentation 16

I.7.3.Problème de recherche d'association 17

I.7.4.Recherche de séquences 17

I.7.5 Détection de déviation 17

I .8.Méthodes Utilisées 18

I.8.1. Analyse de données 18

CHAPITRE II. LA SEGMENTATION [1, 4, 5, 12, 15, 18, 22] 25

Définition 1 : 26

II.1.La segmentation hiérarchique 27

II.1.1 Définition 28

I H 28

II.1.3. Construction d'une hiérarchie 29

II.1.4. La Classification Descendante Hiérarchique 29

II.2. Les méthodes monothéiques 30

II.3. Segmentation non hiérarchique 30

II.3.1 La méthode des centres mobiles. 31

II.3.2 Les nuées dynamiques 32

Principe général de la méthode 33

Avec A_i, un ensemble de n_i éléments qui minimisent une fonction L(v i, I, P) 35

CHAPITRE III. CIBLAGE DES OFFRES [3,7] 36

III.1 Définition 36

III.2. CLASSIFIEUR BAYESIEN [1, 5, 14] 38

III.2.1 RAPPELS SUR LA STATISTIQUE 38

III.2.2 CLASSIFIEUR BAYESIEN 46

III.3 EVALUATION DE RISQUE 48

CHAPITRE IV. APPLICATION [4] 50

IV.1. Les Diagrammes UML 50

IV.1.1. Diagrammes de cas d'utilisation : 50

IV.1.2 Diagrammes de séquence: 52

IV.3 Module de la conception Data Mining 53

IV.4. Implémentation et mise en oeuvre 54

IV.4.1 Architecture du système 54

IV.5 Etude de cas et interfaces de l'application 55

IV.5.1. Etude de cas 55

IV.5. 2.Quelques Interfaces de l'application 63

IV.5 Les codes de l'application 67

CONCLUSION 69

BIBLIOGRAPHIE 70

TABLE DES MATIERES 72