Data Mining Visuelle & Interactif

28
DATA MINING VISUEL ET INTERACTIF Représenté par: Encadré par: BELAID Bilel Mme HAMDAD BENSOULA Abd Elkader DAOUD ZAKARIA DEHIMI Mustapha El Amine HADDADI ZAKARIA 1

description

Une présentation de data mining visuel et interactif et de ses méthodes.

Transcript of Data Mining Visuelle & Interactif

Page 1: Data Mining Visuelle & Interactif

1

DATA MINING   VISUEL ET INTERACTIF

Représenté par: Encadré par:BELAID Bilel Mme HAMDAD

BENSOULA Abd Elkader

DAOUD ZAKARIA

DEHIMI Mustapha El Amine

HADDADI ZAKARIA

Page 2: Data Mining Visuelle & Interactif

2

PLAN Introduction DATA Mining

Définition Historique Taches Algorithmes

DATA Mining Visuel Définition Aproche Méthodes

DATA Mining Interactif Définition Objectifs Processus Domaines d’application

Conclusion

Page 3: Data Mining Visuelle & Interactif

3

INTRODUCTION

Le Data Mining est un domaine pluridisciplinaire permettant, à partir d’une très importante quantité de données brutes, d’en extraire des informations cachées, pertinentes et inconnues auparavant en vue d’une utilisation industrielle ou opérationnelle de ce savoir.

Le Data Mining est une découverte de modèles intéressants à partir d’un ensemble de données de grande taille dans le but est d'extraire des données disponibles au sein de toute entreprise les informations exploitables.

Page 4: Data Mining Visuelle & Interactif

4

DATA MINING

Définition

Data Mining : forage de données

Data Mining: ensemble des techniques et méthodes destinées à l’exploration et l’analyse de grandes bases de données informatiques en vue de détecter dans ces données des règles, des Associations, des structures pour en extraire l’essentiel de l’information utile dans l’objectif est l’aide à la décision.

Page 5: Data Mining Visuelle & Interactif

5

DATA MINING

Historique

L’expression « Data Mining » serait apparue pour la première fois dans les années 60.

L’expression « Data Mining » réapparaît dans les années 80.

Le concept apparaît en 1989 sous un premier nom de KDD (Knowledge Discovery in Databases).

En 1991, le concept du Data Mining ou «fouille des données » apparaisse pour la première fois aux États-Unis comme une nouvelle discipline à l’interface de la statistique et des technologies de l’information

Page 6: Data Mining Visuelle & Interactif

6

DATA MINING

Classification:La classification permet de créer des classes d’individus et de prédire si une instance de donnée est membre d’un groupe ou d’une classe prédéfinie. Règles d’association: Les règles associatives sont des règles qui sont extraites d’une base de données transactionnelles et qui décrivent des associations entre certains éléments.

Le Clustering Le Clustering est une méthode statistique d’analyse de données qui a pour but de regrouper un ensemble de données en différents groupes homogènes.Chaque sous-ensemble regroupe des éléments ayant des caractéristiques communes qui correspondent à des critères de proximité.

Taches du DM

Page 7: Data Mining Visuelle & Interactif

7

DataMining

Apprentissage Supervisé

Les arbres de décision

Les réseaux de neurones

Apprentissage non

supervisé

Clustering Règles Associatives

Sequence Mining

CART OC1 SLIQ …

AdaBoost

Learn++ …

C.hiérarchique

K-means EM …

Apriori FP-Growth ECLAT SSDM KDCI …

GSP SPADE …

Algorithmes de DATA Mining

Page 8: Data Mining Visuelle & Interactif

8

DATA MINING VISUEL 

Le Data mining visuel est apparu récemment avec le flot sans cesse croissant des données.

L'objectif est de tirer avantage de la combinaison des techniques usuelles du Data mining avec les méthodes de visualisation de l'information.

Page 9: Data Mining Visuelle & Interactif

9

L’APPROCHE DE DATA MINING VISUEL :

Il va s’agir d’une part de représenter les données sous la forme de signes visuels.

Et d’autre part de permettre une interaction, souvent très intuitive Cette approche vise donc à permettre une analyse rapide des données car utilisant les capacités d’interprétation visuelle de l’esprit humain

Page 10: Data Mining Visuelle & Interactif

10

MÉTHODES DE DATA MINING VISUEL :

On peut définir d’une manière générale des méthodes de fouille visuelle de données de la façon suivante :

1. Recueil des données brutes, 2. Normalisation des données,3. Codage des données sous la forme de signes

visuels :Il s’agit de définir comment les données seront représentées visuellement à partir des valeurs prises par les attributs

Page 11: Data Mining Visuelle & Interactif

11

MÉTHODES DE DATA MINING VISUEL :

4. Algorithme de « calcul » de la visualisation :consiste simplement à transcrire les valeurs des attributs en signes visuels

5. Rendu graphique : des méthodes de représentation :

histogramme, plot 2D ou 3D, box plot, représentation multidimensionnelle.6. Interaction entre la visualisation et l’expert du

domaine : explorer les données, vérifier des hypothèses

Page 12: Data Mining Visuelle & Interactif

12

TECHNIQUES DE VISUALISATION Il existe une multitude de techniques de visualisation qui peuvent être

utilisées pour visualiser les données. Les techniques 2D/3D, les histogrammes, les chartes …ex.

Apparition de nouvelles techniques plus sophistiquées et qui donnent des représentations intuitives des données.

Page 13: Data Mining Visuelle & Interactif

13

1-AFFICHAGE GÉOMÉTRIQUE TRANSFORMÉ

Une classe de transformation visuelle.

Transformations intéressantes des ensembles de données multidimensionnelles.

Mappage d’objets a un ensemble de points.

Page 14: Data Mining Visuelle & Interactif

14

COORDONNÉES PARALLÈLES Projection des données vers un espace de 2 dimensions.

(x1, x2, …, xp) -------> (1, x1), (2, x2), …, (P, xp). Un espace de dimension n est représenté par n axes parallèles sur un

plan.

Méthode initialement utilisée pour la détection des collisions d'avions lors du contrôle du trafic aérien.

La recherche d'information lorsque celle-ci est trop volumineuse.

Page 15: Data Mining Visuelle & Interactif

15

COORDONNÉES PARALLÈLES

PK cette méthode?

Il devient aisé de repérer les corrélations possibles entre les différents évènements (groupes de variables).

Combiné avec l’AD pour réduire les problèmes de :

Transparence.

Interactivité.

Simplification de la classification (data clustering).

Page 16: Data Mining Visuelle & Interactif

16

COORDONNÉES PARALLÈLES

Page 17: Data Mining Visuelle & Interactif

17

2-ICONIC DISPLAYS(AFFICHAGE EMBLÉMATIQUES) 

Consiste à remplacer le simple point d'un diagramme de dispersion par un dessin relativement complexe.

Les variations des icones et des couleurs permettent de coder les variables.

Peut être très intuitif (bonne courbe d'apprentissage).

Page 18: Data Mining Visuelle & Interactif

18

DATA MINING INTERACTIF

Problématique:Existe-t-il une théorie universellement applicable pour répondre aux besoins de tous les utilisateurs ?

Page 19: Data Mining Visuelle & Interactif

19

DÉFINITION DU DATA MINING INTERACTIF

L’ensemble des modèles interactifs qui sont nécessaires à l’exploration des données afin de permettre aux utilisateurs de définir les objectifs et de s’adapter à des situations d'urgence imprévues.Tout en se concentrant sur les communications adaptatives et efficaces entre les utilisateurs et les systèmes du Data Mining.

Page 20: Data Mining Visuelle & Interactif

20

OBJECTIF DU DATA MINING INTERACTIF :

Intégrer la connaissance des utilisateurs dans le processus du Data Mining.

Fournir aux utilisateurs des informations suffisantes sur le statut et les activités actuelles et historiques.

Page 21: Data Mining Visuelle & Interactif

21

PROCESSUS DU DATA MINING INTERACTIF :

Page 22: Data Mining Visuelle & Interactif

22

DOMAINES D’APPLICATION

La visualisation interactive des données a pénétrée dans de nombreux secteurs.

Web. Santé. Education. Economie. …ex.

Le but est de : Offrir une meilleur représentation de l’information et donc une

meilleur compréhension de phénomène étudié . La prévision.

Page 23: Data Mining Visuelle & Interactif

23

DOMAINES D’APPLICATION

Le web

les différents outils de DAMIV ont pour principale mission suivre l’évolution de web, ses différentes technologie ainsi que le comportement des internautes.

Page 24: Data Mining Visuelle & Interactif

24

DOMAINES D’APPLICATION

Actualités Suivre l’actualité dans n’importe quel pays. Prévoir de futur événements.

Page 25: Data Mining Visuelle & Interactif

25

DOMAINES D’APPLICATION

Economie Données disponibles sont devenues une mine

d’or qu’il s’agit d’exploiter. L’introduction de DAMIV dans ce domaine a donné

lieu à une économie numérique.

Page 26: Data Mining Visuelle & Interactif

26

DOMAINES D’APPLICATION

Sécurité Les données sur la criminalité dans une ville,

moulinées dans un logiciel adapté, donneront une bonne idée des lieux où la police doit allouer le plus de ressources. Et même, le circuit idéal pour effectuer des patrouilles policières.

Page 27: Data Mining Visuelle & Interactif

27

CONCLUSION

La mise en œuvre du data mining visuel et interactif  est une nouvelle tendance dans le domaine de l'exploration de données. Il vise à ce que l'homme soit impliqué dans le processus d'extraction de l'ensemble des données afin d'apporter un résultat efficace. L'interaction nécessite des systèmes autonomes et adaptatifs, des utilisateurs actifs. La performance des interactions dépend de la complexité du domaine, le contrôle, et les approches interactives disponibles.

Page 28: Data Mining Visuelle & Interactif

28

MERCI POUR VOTRE ATTENTION