| Le Monde des Utilisateurs de L'Analyse de Données |
 |
|
Comment extraire des connaissances à partir des concepts de vos bases de données ? Les deux étapes de l'analyse des données symboliques. Edwin Diday. La revue MODULAD, numéro 38, 2008. Résumé Vos bases de données contiennent des concepts sous-jacents. Ils sont associés aux catégories issues de produits cartésiens de variables qualitatives ou de classifications automatiques. Ces concepts constituent alors des unités d’étude d’un niveau de généralité supérieur aux données initiales. Ce niveau est souvent désiré par les utilisateurs mais freinés par le carcan des données classiques qui ne tiennent pas compte de la variation des instances de ces concepts. L’analyse des données symboliques (ADS) a pour objectif dans une première étape de constituer ces concepts et de les décrire en prenant en compte leur variation interne par des variables dites « symboliques » (à valeur intervalle, histogramme, lois etc.) car non manipulables comme des nombres. La seconde étape d’une ADS consiste à les analyser. Pour cela on est amené à étendre les méthodes de la statistique exploratoire et de la fouille de données aux données symboliques (ces méthodes deviennent alors des cas particuliers d’ADS) et de développer des outils nouveaux spécifiques. On montre que ces données ne peuvent pas être réduites à des données classiques. On décrit les quatre espaces de la modélisation sous-jacente où les concepts sont modélisés par des objets symboliques, puis la modélisation mathématique des données (sous forme de variables à valeur variable aléatoire) et des classes ainsi que de leur structure en généralisant les treillis de Galois, hiérarchies, pyramides classiques aux données symboliques. On introduit leur classification spatiale étendant les cartes de Kohonen à des données et des structures pyramidales plus riches. On termine enfin par une application industrielle et la présentation du logiciel SODAS issu de deux projets européens d’EUROSTAT. Abstract : Your databases contain subjacent concepts. They are
associated with the categories resulting from Cartesian products
of qualitative variables or automatic clustering. These concepts
then constitute study units of some level of general information.
higher than the initial data. This level is often wished by the
users but slowed down by the yoke of the traditional data which
do not take account of the variation of the instances of these
concepts. The symbolic data analysis (SDA) aims in a first stage
to constitute these concepts and to describe them by taking into
account their internal variation by variables known as “symbolic” (with
value interval, histogram, distributions, etc.) because hard to
handle like numbers. The second stage of a SDA consists in analyzing
them. For that one is brought to extend the exploratory statistical
methods and of the data mining to the symbolic data analysis (then
these methods become particular cases of SDA) and to develop new
specific tools. It is shown that these data cannot be reduced to
traditional data. We describe the four spaces of subjacent modelling
where the concepts are modelled by the so called “symbolic
objects”. Then, a mathematical modelling of the symbolic
data (in the form of variables with random variable value) is given.
Classes of symbolic objects as well as their structure by generalizing
the Gallois lattices, hierarchies, classical pyramids to concepts,
are described. This paper introduces Spatial Classification extending
Kohonen mapping to spatial pyramidal structures above a grid, and
concludes finally by an industrial application and a presentation
of the SODAS software issued from two EUROSTAT European projects. Mots clés
|
|||||