Partitionnement de données

Partitionnement de données
Exemple de clustering hiérarchique

Le partitionnement de données (data clustering en anglais) est une des méthodes Statistiques d'analyse des données. Elle vise à diviser un ensemble de données en différents « paquets » homogènes, en ce sens que les données de chaque sous-ensemble partagent des caractéristiques communes, qui correspondent le plus souvent à des critères de proximité (similarité informatique) que l'on définit en introduisant des mesures et classes de distance entre objets.

Pour obtenir un bon partitionnement, il convient d'à la fois :

  • minimiser l'inertie intra-classe pour obtenir des grappes (cluster en anglais) les plus homogènes possibles.
  • maximiser l'inertie inter-classe afin d'obtenir des sous-ensembles bien différenciés.

Sommaire

Vocabulaire

La communauté scientifique francophone utilise différents termes pour désigner cette technique.
Le mot anglais clustering est communément employé. On parle également souvent de méthodes de regroupement. on distingue souvent les méthodes « hiérarchiques » et « de partition »

Intérêt et applications

Le partitionnement de données est une méthode de classification non supervisée (différente de la classification supervisée où les données d'apprentissage sont déjà étiquetées), et donc parfois dénommée comme telle.

Applications : on en distingue généralement trois sortes[1]

  • la segmentation d'une base de données ; elle peut servir à discrétiser une base de données.
    La segmentation peut aussi permettre de condenser ou compresser les données d'une base de données spatiales (c'est-à-dire réduire la taille des paquets de données à traiter, dans l'ensemble de données considéré) ; par exemple, dans une image aérienne ou satellitale un SIG peut traiter différemment les forêts, champs, prairies, routes, zones humides, etc. ici considérés comme des sous-espaces homogènes. Un traitement plus fin pouvant ensuite être appliqué à des sous-ensemble de ces classes (ex forêt de feuillus, de résineux, artificielles, naturelles, etc.)
    OLAP est une méthode qui facilite l'indexation de telles bases.
  • la classification (en sous-groupes, sous-populations au sein de la base de donnée), par exemple d'une base de données clients, pour la gestion de la relation client
  • l'extraction de connaissances, qui se fait généralement sans objectif a priori (facteur de sérendipité, utile pour la génération d'hypothèse ou modélisation prédictive), pour faire émerger des sous-ensembles et sous-concepts éventuellement impossibles à naturellement distinguer.

Algorithmes

Il existe de multiples méthodes de partitionnement des données, parmi lesquelles :

Logiciels associés

Voir aussi

Articles connexes

Liens externes

Bibliographie

  • Anil K. Jain, M. N. Murty, P.J. Flynn, Data Clustering: a Review, Journal ACM Computing Surveys, Volume 31 Issue 3, Sept. 1999.

Notes et références

  1. Berkhin, 2002

Wikimedia Foundation. 2010.

Contenu soumis à la licence CC-BY-SA. Source : Article Partitionnement de données de Wikipédia en français (auteurs)

Игры ⚽ Нужен реферат?

Regardez d'autres dictionnaires:

  • Partitionnement de donnees — Partitionnement de données Le partitionnement de données (data clustering en anglais) est une méthode statistique d analyse des données qui a pour but de regrouper un ensemble de données en différents paquets homogènes, en ce sens que les données …   Wikipédia en Français

  • Partitionnement (Oracle) — Le partitionnement de la base de données Oracle est un module de division des données d Oracle, payant et fréquemment utilisé sur des tables de volumétrie importante. Sommaire 1 Le partitionnement 2 Types de partitionnements 3 Partitionnement… …   Wikipédia en Français

  • Partitionnement — Partition Cette page d’homonymie répertorie les différents sujets et articles partageant un même nom …   Wikipédia en Français

  • Partition (base de données) — Pour les articles homonymes, voir Partition. Dans une base de données, une partition est une division logique d une table stockée en plusieurs parties indépendantes. Le partitionnement de tables est généralement effectué pour améliorer la gestion …   Wikipédia en Français

  • Exploration de données — Articles principaux Exploration de données Fouille de données spatiales Fouille du web Fouille de flots de données Fouille de textes …   Wikipédia en Français

  • Analyse des données — L’analyse des données est un domaine des statistiques qui se préoccupe de la description de données conjointes. On cherche par ces méthodes à donner les liens pouvant exister entre les différentes données et à en tirer une information statistique …   Wikipédia en Français

  • Oracle (base de donnees) — Oracle Database Pour les articles homonymes, voir oracle. Oracle …   Wikipédia en Français

  • Oracle (base de données) — Oracle Database Pour les articles homonymes, voir oracle. Oracle …   Wikipédia en Français

  • Fouille de données spatiales — Exploration de données Articles principaux Exploration de données Fouille de données spatiales Fouille du web Fouille de flots de données Fouille de textes …   Wikipédia en Français

  • Administrateur de bases de données — L administrateur de bases de données (DBA : DataBase Administrator) est une personne responsable du bon fonctionnement de serveurs de bases de données, essentiellement relationnelles (OLTP) ou décisionnelles (OLAP), tant au niveau de la… …   Wikipédia en Français

Share the article and excerpts

Direct link
Do a right-click on the link above
and select “Copy Link”