Classifieurs Bayésiens En Data Mining

Résumé: Ce mémoire traite de la problématique de l'utilisation des classifieurs bayésiens en Data mining qui répond à deux sous problèmes à savoir le problème lié aux données et celui lié aux choix de classifieurs. En effet, avec l'avènement de l'informatique et l'augmentation de données stockées sur des supports électroniques, qui peuvent cacher des dépendances et des corrélations pertinentes, la conception et la mise en œuvre des outils d'analyse et de traitement automatique de données deviennent une nécessité absolue. Ainsi le premier chapitre de ce mémoire est consacré à l'historique, la présentation et la définition des différentes notions qui interviennent dans le data mining. Dans le chapitre 2 nous traitons du prétraitement des données qui est une étape non négligeable du Processus de Data mining.Le Troisième chapitre traite de la classification en data mining. En effet, il donne une vue détaillée des principales méthodes de classification qui existent, ainsi que les avantages et les inconvénients de chacune d'entre elles. Par la suite nous avons au chapitre 4, consacré toute notre attention aux classifieurs bayésiens et leurs différentes variantes. Enfin le cinquième chapitre est une petite application sur apport du classifieurs naïf Bayes avec le logiciel Weka.

Publié dans la revue: