Etude de cas en statistique décisionnelle - Grand Format

2e édition revue et augmentée

Note moyenne 
Comprendre les principes théoriques de la statistique est une chose ; savoir les mettre en pratique en est une autre, et le fossé peut être large entre... Lire la suite
45,00 €
Expédié sous 6 à 12 jours
Livré chez vous entre le 9 juin et le 15 juin
En magasin

Résumé

Comprendre les principes théoriques de la statistique est une chose ; savoir les mettre en pratique en est une autre, et le fossé peut être large entre les deux. C'est pour vous aider à le franchir que l'auteur a écrit un ouvrage de "travaux pratiques" de la statistique décisionnelle et de la data science, qui fait suite à son ouvrage Data Mining et Statistique Décisionnelle paru dans la même collection.
Ce nouvel ouvrage présente une étude de cas réalisée de A à Z à partir du même jeu de données, et répondant de façon complète et cohérente à deux importantes problématiques : la construction d'une segmentation de clientèle et l'élaboration d'un score d'appétence à l'achat d'un produit ou la souscription d'un contrat. Les données utilisées sont à la fois réelles et complètes. Elles proviennent du secteur de l'assurance, mais l'étude qu'elles permettent de réaliser peut se transposer a de nombreux autres domaines.
Ces données sont disponibles sur le Web, notamment sur le site des Editions Technip où elles sont accompagnées des programmes présentés dans l'ouvrage. Ceci permettra au lecteur de compléter sa lecture par des exercices personnels, par le test de variantes, mais aussi d'utiliser ces programmes pour les appliquer à ses propres données et ses propres projets. L'étude de cas est menée avec le logiciel SAS, qui est à la fois le plus complet et le plus répandu des logiciels statistiques commerciaux, et qui permet de traiter tous les sujets abordés dans l'ouvrage, et même d'optimiser et d'automatiser les traitements.
Tout au long de l'ouvrage, une bonne partie des procédures classiques de SAS/STAT est passée en revue, en mentionnant les améliorations des versions récentes, mais, au-delà des questions de programmation, nous souhaitons surtout montrer au lecteur qu'il est souhaitable et possible de conjuguer rigueur et productivité. Pour le scoring, quatre méthodes classiques de modélisation sont mises en oeuvre et comparées, l'analyse discriminante linéaire, les arbres de décision, la régression logistique et le classificateur bayésien naïf, de même que le bagging et deux méthodes plus avancées mises en oeuvre par l'appel de code R dans le programme SAS : les forêts aléatoires et le gradient boosting.

Caractéristiques

  • Date de parution
    04/12/2019
  • Editeur
  • ISBN
    978-2-7108-1187-9
  • EAN
    9782710811879
  • Format
    Grand Format
  • Présentation
    Broché
  • Nb. de pages
    400 pages
  • Poids
    0.685 Kg
  • Dimensions
    16,5 cm × 23,5 cm × 2,0 cm

Avis libraires et clients

L'éditeur en parle

Pour une mise en pratique réussie des applications data mining !

À propos de l'auteur

Biographie de Stéphane Tufféry

Stéphane Tufféry est responsable des études statistiques dans un grand groupe bancaire. Il intervient à l'Institut des Actuaires (Paris) et il est Maître de Conférences associé à l'Université de Rennes 1, où il enseigne la statistique, le data mining et les méthodes de Big Data. Il a publié dans la même collection Data Mining et statistique décisionnelle, Modélisation prédictive et apprentissage statistique avec R et Big Data.
Machine Learning et apprentissage profond.

Du même auteur

Les clients ont également aimé

Derniers produits consultés

45,00 €