Chapitre 1 : Introduction au data mining

Le data mining (fouille de données) est la recherche/découverte de connaissances ou d’informations utiles, souvent cachées, dans les données.

Objectifs

À la fin de ce chapitre, vous devez pouvoir :

• Définir donnée, information et data mining

• Situer le DM par rapport à l’IA, au ML, au DL et à la science des données

• Définir le pattern mining et ses variantes

• Distinguer les grandes tâches : clustering, classification, régression, détection d’anomalies

• Citer des applications

1. Donnée, information, connaissance

• Donnée = unité d’information ; l’information est la partie utile de la donnée (la notion d’utilité est subjective : utile pour la prise de décision).

• Faire du data mining, c’est extraire des informations (notamment cachées) des données, pour appuyer une décision (rentabilité, bien-être, etc.).

• Science des données : la science qui permet d’étudier, traiter et utiliser les données comme base de décision. Sources : réseaux sociaux, IoT, sites web/API, enquêtes et bases de production, …

2. IA, ML, DL, DS

• IA : un système capable de (1) simuler un raisonnement, (2) résoudre un problème, (3) s’adapter à son environnement (ex. ChatGPT, traduction automatique, voitures autonomes, rovers).

• On situe usuellement : IA ⊃ ML ⊃ DL, la science des données recoupant ces domaines autour de la donnée.

Positionnement de l’IA, du ML, du DL et de la science des données.

3. Data mining et pattern mining

Quand l’information recherchée se représente sous une forme formelle (ensemble, séquence, règle, graphe, …) — un pattern (motif) — on parle de pattern mining : la découverte de motifs (cachés) dans les données.

Si le pattern est…	on parle de…	exemple
un ensemble	Itemset Mining	combinaisons de produits achetés ensemble
une séquence	Sequence Mining	recettes de cuisine les plus suivies
un graphe	Graph Mining	circuits les plus fréquentés par les touristes
un arbre	Tree Mining	similitudes dans le code de plusieurs développeurs
un épisode	Episode Mining	tendances périodiques (ex. cours des cryptomonnaies)

4. Les grandes tâches du data mining

Tâche	Idée
Clustering	Regrouper les observations similaires (apprentissage non supervisé) — chap5
Pattern mining	Découvrir des motifs fréquents (itemsets, séquences…) — chap6, chap7
Classification	Prédire une classe (variable discrète) — apprentissage supervisé
Régression	Prédire une valeur (variable continue) — apprentissage supervisé
Détection d’anomalies / outliers	Repérer les observations atypiques (fraude, pannes, valeurs aberrantes)

Note

Ce cours met l’accent sur l’apprentissage non supervisé : le clustering et le pattern mining (itemsets, règles d’association, séquences).

5. Applications

Les applications sont nombreuses et variées : grande distribution (analyse du panier, recommandation, gestion des stocks), tourisme, santé publique, transport, analyse de texte, télécommunications, … (voir les projets).

Exercice

Pour un supermarché qui veut recommander des produits, restructurer ses rayons et gérer ses stocks : quelles tâches/algorithmes de data mining mobiliseriez-vous, et sur quelles données ?