Extraction des connaissances dans les bases de données

Présentation au sujet: "Extraction des connaissances dans les bases de données"— Transcription de la présentation:

1 Extraction des connaissances dans les bases de données
Ansaf SALLEB Laboratoire d ’Informatique Fondamentale d ’Orléans (LIFO) en collaboration avec: Bureau des Recherches Géologiques et Minières (BRGM) & La Région Centre

2 Description du problème
Volume de données collectées est en croissance continue Experts dépassés par les volumes Il y en a beaucoup trop ! Ansaf SALLEB Sciences en Sologne 2000

3 Solution Volume de données  Connaissances
Extraction des connaissances dans les Bases de données Volume de données  Connaissances BD Sélection Pré traitement Transformation Fouille de données Interprétation/ Evaluation Connaissances Modèles Données transformées Données prétraitées Données sélectionnées Etapes d’un processus ECD (Fayyad et al. 1996) Ansaf SALLEB Sciences en Sologne 2000

4 Solution Fouille de données (Data Mining) =
Extraction de connaissances implicites, non connues à l'avance dans des entrepôts de données STAT BD RN VISU ASA AD FD Ansaf SALLEB Sciences en Sologne 2000

5 Tâches de fouille de données
Description : Généralise, résume et compare des données Classification: Catégorise les données en classes Regroupement: Identifie des groupes homogènes de données Association: Extrait des corrélations entre les données Prédiction: Prédit des données manquantes etc. Ansaf SALLEB Sciences en Sologne 2000

6 Extraction des Associations
Définition (Agrawal et al. 1993) Découverte de relations de corrélation ou d’association parmi un ensemble d’objets (items). I = ensemble d'items, T = ensemble de transactions (BD) X  Y (s%, c%) / X et Y ensembles d'items Support s% Pourcentage des transaction de T qui contiennent X et Y Confidence c% Pourcentage de transactions de T qui contiennent Y parmi celles qui contiennent X. Ansaf SALLEB Sciences en Sologne 2000

7 Exemple: Analyse du panier de la ménagère
Ansaf SALLEB Sciences en Sologne 2000

8 Systèmes d ’information géographiques
SIG  Gestion données spatiales relatives à la géographie - Objets: points, lignes, polygones - Couches thématiques Ansaf SALLEB Sciences en Sologne 2000

9 Exemple Ansaf SALLEB Sciences en Sologne 2000 Failles Gisements
Géologie Ansaf SALLEB Sciences en Sologne 2000

10 Extraction des associations dans les SIG
Recherche de liens possibles entre couches thématiques : - Proximités spatiales (intersection, inclusion, …) - Caractéristiques non-spatiales de ces objets Exemple Gisement(x)  Geology(y)  Code(y, TertiaireVolcanique)  inclus(x,y)  SubstancePrinc(x, Ag) (4.43%, 40.56%) Ansaf SALLEB Sciences en Sologne 2000

11 Conclusion et perspectives
Intêret du Data Mining et des associations: Marketing Systèmes bancaires SIG Bio-Informatique Médecine Télécommunication … Plusieurs systèmes existent déjà tels que: Kefir, Skicat, Quest, Clementine, … Travaux en cours: Data Mining dans BD Spatiales, Temporelles, MultiMédia, WebMining, TextMining, ... Ansaf SALLEB Sciences en Sologne 2000