Notes de Cours : Data Mining
Notes de Cours : Data Mining
Programming, Math, etc. · course
Fiche de révisionFiche de cours
Rédigée à partir de ce document, puis vérifiée avant publication.
Ce document présente une introduction complète au data mining, destinée aux étudiants et professionnels souhaitant comprendre les fondements, les motivations, les applications et les types de données exploitées dans ce domaine. Il s’appuie sur une étude de cas concrète pour illustrer les différentes approches analytiques.
Le data mining répond à un besoin crucial face à l’explosion des données numériques, phénomène souvent appelé « Big Data ». Aujourd’hui, des outils de collecte automatique et des bases de données massives génèrent des volumes gigantesques d’informations stockées dans des entrepôts de données. Par exemple :
Ce phénomène récent est caractérisé par trois « V » : Volume, Vélocité (rapidité de création des données) et Variété (diversité des types de données).
Malgré cette abondance, les données brutes ne sont pas utiles sans un traitement intelligent. Le data mining permet d’explorer ces masses de données pour découvrir des connaissances implicites, cachées et potentiellement utiles.
Le data mining est un ensemble de techniques d’exploration systématique et automatique de grandes bases de données ou entrepôts de données (data warehouses). Il vise à découvrir et extraire des connaissances sous forme de modèles statistiques. Ces connaissances sont des informations intéressantes, non triviales, implicites, inconnues auparavant et potentiellement utiles, telles que :
Le terme original était « Knowledge Discovery in Databases » (KDD), soit la découverte de connaissances dans des bases de données.
Le data mining se situe à l’intersection de plusieurs disciplines : statistique, algorithmique, intelligence artificielle, apprentissage automatique et bases de données.
Considérons l’exemple d’un éditeur vendant cinq types de magazines : sport, voiture, maison, musique et bandes dessinées (BD). Il souhaite mieux connaître ses clients pour découvrir de nouveaux marchés ou augmenter ses ventes.
Quelques questions qu’il peut se poser :
Ces questions impliquent différents types d’analyse :
Le data mining trouve des applications dans de nombreux domaines :
Quelques exemples récents :
Le data mining peut exploiter une grande variété de données :
Ces données sont généralement stockées sur des bases d’entreprises, serveurs web, réservoirs publics (ex. Library of Congress) ou dans des universités pour la recherche scientifique.