SlideShare une entreprise Scribd logo
1  sur  47
Exploratory Data Analysis
     EDA : principes généraux
Qu’est ce qu’une analyse
    exploratoire de données

1. Une philosophie
2. Des principes
3. Des outils
➡ Améliorer l’EDA
Une approche novatrice
‣ Maximiser les insights dans un jeu de données
‣ découvrir les structures sous-jacentes
‣ extraire les variables importantes
‣ détecter les données aberrantes et les anomalies
‣ tester des suppositions issues des données
‣ développer des modèles minimaux
‣ déterminer les réglages optimaux des différents
   facteurs
Initié par Tukey (1915 - 2000)

Far better an approximate answer to
the right question, which is often
vague, than an exact answer to the
wrong question, which can always be
made precise
 J. W. Tukey (1962, page 13), "The future of data analysis". Annals
of Mathematical Statistics 33(1), pp. 1-67.
Analyse Exploratoire versus
         Analyse classique
‣    Analyse classique :
    Problème - données - modèle - analyse - conclusions
‣    Analyse exploratoire :
    Problème - données - analyse - modèle - conclusions
‣    Analyse bayesienne :
    Problème - données - modèle - ébauche distribution -
    analyse - conclusions
L’EDA est une attitude, une
    philosophie, pour révéler
l’inconnu directement depuis
           les données
Objectifs
Maximiser les insights de l’analyste
Lui fournir tout ce qu’il voudrait extraire :
  ‣    Un modèle parcimonieux qui colle bien
  ‣    Les données extrêmes
  ‣    Des conclusions robustes
  ‣    Une estimation des paramètres
  ‣    La marge d’erreur pour ces estimations
  ‣    La liste des facteurs importants et leur importance
       individuelle relative
  ‣    Paramètres optimaux
insights
When the course of action must respond to new
comprehension, new insights and new intuitive
flashes of possible explanations or solutions, it will
not be an orderly process. Existing means of
composing and working with symbol structures
penalize disorderly processes very heavily, and it is
part of the real promise in the automated H-
LAM/T systems of tomorrow that the human can
have the freedom and power of disorderly
processes
Comment faire ?
Utiliser des visualisations !
Visualization can play a key role for such activities,
    for example : in presenting a visual overview of
    the data so that categories might be hypothesised
    (abductively), in evaluating individual examples
    with respect to their
    “representativeness” (inductively), and showing
    the results of applying the new knowledge to
    structure the data (deductively)
M Gahegan, M Takatsuka, M Wheeler, and F Hardisty. Introducing geovista studio : an
integrated suite of visualization and computational methods for exploration and ....
Techniques graphiques
Des techniques simples qui consiste en différents
diagrammes :
‣   Tracer les données brutes (data traces,
    histogrammes, bihistogrammes, probability plots, lag
    plots, block plots, and Youden plots).
‣   Tracer des statistiques simples (mean plots, standard
    deviation plots, box plots)
‣   Positionner les diagrammes pour maximiser notre
    abilité naturelle à la reconnaissance de motifs en
    utilisant plusieurs diagrammes par page
176




Figure 75: A visualization of county-level election results for the State of Michigan from 1998
to 2004 (see appendix A.3). A tinted lens highlights views, using labeled arrows to reveal
'+=+37$&'"+/.$1"+')+(1/%$."'%+3(##')+&'-+.-").+=+,$+#$.-B%"+

                Statut des présentations
-./5+=+,$+9(%#"+1$%+,6$'.%"+".+&'-+*"+2-*.-)8'"+2"+,6/.$1"+*'-<$)."
6$'3')"+%"**"#4,$)3"+)"+*$'%$-.+3(#4,"%+P>+C,+%"1%/*")."+$-)*
'"+2"+1$**$8"+2"+,$+#$.-B%"+=+,$+9(%#"+;+
     !"#$% !$&!'$($% )(% !'**'+(% ,% #-% '#.$(% /"$!*% ,% 0-.($!$&.($1% (.% '0-*0% 2(% *#0.(3%
     4'-*%/(%5(#1%)(*%20*!"*0.06*%"-.%/(..(%7#')0.&%280-.($9&20'0$(%(-.$(%)'%/:"*(%(.%
     )(% *0+-(% 7#0% !($9(.% )(% !'**'+(% 2(% )'% 9'.0;$(% ,% )'% 6"$9(% !'$% 2(*%
     9'-0!#)'.0"-*% 7#0% 6"-.% &9($+($% )(% *(-*3% <'$% (=(9!)(1% )(% !&2"/"9!'$'.(#$%
                                                   )*&+'(
     !($9(.% 2(% !'**($% 2(*% &/:'-.0))"-*% 2(% .($$(% '#% .'>)('#1% 9'0*% #-% &/'$.%
     0$$&2#/.0>)(% *&!'$(% ."#5"#$*% )(% .'>)('#% 2(*% 9"..(*% 2(% .($$(% 2#% .'>)('#% 2(*%
     7#')060/'.0"-*% 2(% /(*% 9"..(*% 2(% .($$(3% ?:'7#(% ,-.#-&'(*8(-/:'@-(% '0-*0% 2(% )'%
                                 !"#$%&'(                  &.'!(%
     !$&/&2(-.(% A($*% )'% *#0A'-.(1% !'$% #-% *'#.% 90-#*/#)(% 9'0*% $'20/')1% 7#0% '%     $%&'("
     -&'-9"0-*%)'%-&/(**0.&%28B.$(%$&A($*0>)(%C%                                                /*
          %

 .."+ 9(%#"+ /,/#").$-%"+ *"+ %"1%(2'-.+ ".+ *6")37$:)"+ ,(%*+ 2"+ ,
9-&'"5+&'-+9$-.+1$%+"A"#1,"+1$**"%+2"+,$+9(%I.+$#$R()-"))"+$'+2
                        -./(0,1''*02"&$"
                            ,$%%$"
                                                           #(7'$(8"
                                                        &96./(0,1''*02"
                                                                                        ;./6<("&8"2*'"                  ?12.*8%2"
                                                                                                                       ,/6*%1:8$"

     #$%%$"&$"'(")*%+,"
                                      !"10&$56$2"
1(%.+2"+#-**-()>+Q7$&'"+/.$1"+-)."%1%B."+')+3(%1*+3(##"+')
                                       3*4,$2"&$",$%%$"              !"#(7'$(8"&$"
                                                                        :8('1)1.(,1*02"
                                                                                                   !" '("'121>%$"
                                                                                                      ;=6.1)1.1,62"&$"




                                                                                                       ,)-&./0%12"/#20
                                                                                                           *%034/"2#)3%0
                                                                                                                           %
          %
          ?(%7#0%*(%!'**(%)"$*%2(*%$#!.#$(*%-8(*.%!'*%&/)'0$/01%9B9(%*0%!"#$%D'."#$%
     0)% (*.% 7#(*.0"-% 2(% !"#$%1% (.% -"#*% '!!$"6"-20$"-*% /(% !"0-.% !)#*% )"0-3%
Principes
Phases de l’EDA
Phases de l’EDA
Principe 1 : Voir l’ensemble
Phases de l’EDA
Principe 1 : Voir l’ensemble
Principe 2 : Simplifier et modéliser
Phases de l’EDA
Principe 1 : Voir l’ensemble
Principe 2 : Simplifier et modéliser
Principe 3 : Diviser et grouper
Phases de l’EDA
Principe 1 : Voir l’ensemble
Principe 2 : Simplifier et modéliser
Principe 3 : Diviser et grouper
Principe 4 : Voir en relation
Phases de l’EDA
Principe 1 : Voir l’ensemble
Principe 2 : Simplifier et modéliser
Principe 3 : Diviser et grouper
Principe 4 : Voir en relation
Principe 5 : Chercher du reconnaissable
Phases de l’EDA
Principe 1 : Voir l’ensemble
Principe 2 : Simplifier et modéliser
Principe 3 : Diviser et grouper
Principe 4 : Voir en relation
Principe 5 : Chercher du reconnaissable
Principe 6 : Zoom et Focus
Phases de l’EDA
Principe 1 : Voir l’ensemble
Principe 2 : Simplifier et modéliser
Principe 3 : Diviser et grouper
Principe 4 : Voir en relation
Principe 5 : Chercher du reconnaissable
Principe 6 : Zoom et Focus
Principe 7 : Porter son attention sur les particularités
Phases de l’EDA
Principe 1 : Voir l’ensemble
Principe 2 : Simplifier et modéliser
Principe 3 : Diviser et grouper
Principe 4 : Voir en relation
Principe 5 : Chercher du reconnaissable
Principe 6 : Zoom et Focus
Principe 7 : Porter son attention sur les particularités
Principe 8 : Établir des liens
Phases de l’EDA
Principe 1 : Voir l’ensemble
Principe 2 : Simplifier et modéliser
Principe 3 : Diviser et grouper
Principe 4 : Voir en relation
Principe 5 : Chercher du reconnaissable
Principe 6 : Zoom et Focus
Principe 7 : Porter son attention sur les particularités
Principe 8 : Établir des liens
Principe 9 : Établir la structure
Phases de l’EDA
Principe 1 : Voir l’ensemble
Principe 2 : Simplifier et modéliser
Principe 3 : Diviser et grouper
Principe 4 : Voir en relation
Principe 5 : Chercher du reconnaissable
Principe 6 : Zoom et Focus
Principe 7 : Porter son attention sur les particularités
Principe 8 : Établir des liens
Principe 9 : Établir la structure
Principe 10 : intégrer la connaissance du domaine
Améliorer l’EDA   trouver des prises
Améliorer l’EDA   trouver des prises
Principle 1: See the Whole
application de la sémiologie
Améliorer l’EDA
application de la sémiologie
Améliorer l’EDA
Management de
                     exemples
systèmes complexes
Management de
                     exemples
systèmes complexes
Management de
                     exemples
systèmes complexes
Management de
                     exemples
systèmes complexes
Management de
                     exemples
systèmes complexes
Management de
                     exemples
systèmes complexes
Management de
Figure 75: A visualization of county-level election results for the State of Michigan from 1998
                                                            exemples
to 2004 (see appendix A.3). A tinted lens highlights views, using labeled arrows to reveal
                 systèmes complexes Votes v. Counties scatter plot.
coordination on the user’s selection of counties in the
Management de
                     exemples
systèmes complexes

Contenu connexe

Tendances

Sakshay Web Technologies - Profile\'09
Sakshay Web Technologies - Profile\'09Sakshay Web Technologies - Profile\'09
Sakshay Web Technologies - Profile\'09Neeraj Mohan Sharma
 
Geometry summer packet instructions
Geometry summer packet instructionsGeometry summer packet instructions
Geometry summer packet instructionscanalculus
 
Qualita dell'acqua a Udine (2010)
Qualita dell'acqua a Udine (2010)Qualita dell'acqua a Udine (2010)
Qualita dell'acqua a Udine (2010)Giorgio Jannis
 
Comello Sl Terza Lezione 21 02 08
Comello   Sl Terza Lezione 21 02 08Comello   Sl Terza Lezione 21 02 08
Comello Sl Terza Lezione 21 02 08Elena Trombetta
 
Ley 09 de 1979
Ley 09 de 1979Ley 09 de 1979
Ley 09 de 1979AliAmanti1
 
Aguerre jorge la mejora genética ovina en uruguay - historia y actualidad
Aguerre jorge   la mejora genética ovina en uruguay - historia y actualidadAguerre jorge   la mejora genética ovina en uruguay - historia y actualidad
Aguerre jorge la mejora genética ovina en uruguay - historia y actualidadPecuario Hervé
 
UPSR PERAK BT SET 3 K1 2005
UPSR PERAK BT SET 3 K1 2005UPSR PERAK BT SET 3 K1 2005
UPSR PERAK BT SET 3 K1 2005Raja Segaran
 
2. conceptos sobre empaques y embalajes
2. conceptos sobre empaques y embalajes2. conceptos sobre empaques y embalajes
2. conceptos sobre empaques y embalajesoscarreyesnova
 

Tendances (11)

Carta medios mellizos
Carta medios mellizosCarta medios mellizos
Carta medios mellizos
 
Sakshay Web Technologies - Profile\'09
Sakshay Web Technologies - Profile\'09Sakshay Web Technologies - Profile\'09
Sakshay Web Technologies - Profile\'09
 
Geometry summer packet instructions
Geometry summer packet instructionsGeometry summer packet instructions
Geometry summer packet instructions
 
Qualita dell'acqua a Udine (2010)
Qualita dell'acqua a Udine (2010)Qualita dell'acqua a Udine (2010)
Qualita dell'acqua a Udine (2010)
 
Comello Sl Terza Lezione 21 02 08
Comello   Sl Terza Lezione 21 02 08Comello   Sl Terza Lezione 21 02 08
Comello Sl Terza Lezione 21 02 08
 
Ley 09 de 1979
Ley 09 de 1979Ley 09 de 1979
Ley 09 de 1979
 
Aguerre jorge la mejora genética ovina en uruguay - historia y actualidad
Aguerre jorge   la mejora genética ovina en uruguay - historia y actualidadAguerre jorge   la mejora genética ovina en uruguay - historia y actualidad
Aguerre jorge la mejora genética ovina en uruguay - historia y actualidad
 
96 kg
96 kg96 kg
96 kg
 
UPSR PERAK BT SET 3 K1 2005
UPSR PERAK BT SET 3 K1 2005UPSR PERAK BT SET 3 K1 2005
UPSR PERAK BT SET 3 K1 2005
 
2. conceptos sobre empaques y embalajes
2. conceptos sobre empaques y embalajes2. conceptos sobre empaques y embalajes
2. conceptos sobre empaques y embalajes
 
Energy rate
Energy rateEnergy rate
Energy rate
 

Similaire à Analyse Exploratoire de Données

La face cachée de la mesure : une opportunité pour votre amélioration continue
La face cachée de la mesure : une opportunité pour votre amélioration continueLa face cachée de la mesure : une opportunité pour votre amélioration continue
La face cachée de la mesure : une opportunité pour votre amélioration continueAgile Tour Genève
 
Les échanges, cours de philosophie
Les échanges, cours de philosophieLes échanges, cours de philosophie
Les échanges, cours de philosophieFrançois Jourde
 
L'entomologie moléculaire et l'étude de la structuration génétique des anophèles
L'entomologie moléculaire et l'étude de la structuration génétique des anophèlesL'entomologie moléculaire et l'étude de la structuration génétique des anophèles
L'entomologie moléculaire et l'étude de la structuration génétique des anophèlesInstitut Pasteur de Madagascar
 
Premier beesday affichage environnemental
Premier beesday affichage environnementalPremier beesday affichage environnemental
Premier beesday affichage environnementalYoumatter
 
Siad dd-2010-para
Siad dd-2010-paraSiad dd-2010-para
Siad dd-2010-paraNawel Berka
 
150397343 ims-ems-guide
150397343 ims-ems-guide150397343 ims-ems-guide
150397343 ims-ems-guideUsama Waly
 
BtoBIM2017_Conf_Maître d'ouvrage
BtoBIM2017_Conf_Maître d'ouvrageBtoBIM2017_Conf_Maître d'ouvrage
BtoBIM2017_Conf_Maître d'ouvrageNovabuild
 
CSP exam equation fully explained
CSP exam equation fully explainedCSP exam equation fully explained
CSP exam equation fully explainedDaniel Farcas
 
Transcript of Hearing Dooley v Gloucester County School Board 4 19 2023 Heari...
Transcript of Hearing Dooley v Gloucester County School Board 4 19 2023 Heari...Transcript of Hearing Dooley v Gloucester County School Board 4 19 2023 Heari...
Transcript of Hearing Dooley v Gloucester County School Board 4 19 2023 Heari...Kenneth Hogge Sr
 
Créer un service d'accès public à Internet (SAPIENS 2009)
Créer un service d'accès public à Internet (SAPIENS 2009)Créer un service d'accès public à Internet (SAPIENS 2009)
Créer un service d'accès public à Internet (SAPIENS 2009)Philippe Cazeneuve
 
Modul manufacture
Modul manufactureModul manufacture
Modul manufactureb3randal
 
Présentation Toucher pour Voir / tri-D - décembre 2015
Présentation Toucher pour Voir / tri-D - décembre 2015Présentation Toucher pour Voir / tri-D - décembre 2015
Présentation Toucher pour Voir / tri-D - décembre 2015Chris Delepierre
 
Formación a medida: Una solución para generar comrpomiso en las personas clav...
Formación a medida: Una solución para generar comrpomiso en las personas clav...Formación a medida: Una solución para generar comrpomiso en las personas clav...
Formación a medida: Una solución para generar comrpomiso en las personas clav...CRISEL BY AEFOL
 
Una solución para generar compromiso
Una solución para generar compromisoUna solución para generar compromiso
Una solución para generar compromisoCRISEL BY AEFOL
 

Similaire à Analyse Exploratoire de Données (20)

La face cachée de la mesure : une opportunité pour votre amélioration continue
La face cachée de la mesure : une opportunité pour votre amélioration continueLa face cachée de la mesure : une opportunité pour votre amélioration continue
La face cachée de la mesure : une opportunité pour votre amélioration continue
 
Les échanges, cours de philosophie
Les échanges, cours de philosophieLes échanges, cours de philosophie
Les échanges, cours de philosophie
 
L'entomologie moléculaire et l'étude de la structuration génétique des anophèles
L'entomologie moléculaire et l'étude de la structuration génétique des anophèlesL'entomologie moléculaire et l'étude de la structuration génétique des anophèles
L'entomologie moléculaire et l'étude de la structuration génétique des anophèles
 
Statistiques de consultation, comment les utiliser. Vers un observatoire nati...
Statistiques de consultation, comment les utiliser. Vers un observatoire nati...Statistiques de consultation, comment les utiliser. Vers un observatoire nati...
Statistiques de consultation, comment les utiliser. Vers un observatoire nati...
 
Premier beesday affichage environnemental
Premier beesday affichage environnementalPremier beesday affichage environnemental
Premier beesday affichage environnemental
 
Siad dd-2010-para
Siad dd-2010-paraSiad dd-2010-para
Siad dd-2010-para
 
Manual salvamento altura
Manual salvamento alturaManual salvamento altura
Manual salvamento altura
 
Mct
MctMct
Mct
 
150397343 ims-ems-guide
150397343 ims-ems-guide150397343 ims-ems-guide
150397343 ims-ems-guide
 
BtoBIM2017_Conf_Maître d'ouvrage
BtoBIM2017_Conf_Maître d'ouvrageBtoBIM2017_Conf_Maître d'ouvrage
BtoBIM2017_Conf_Maître d'ouvrage
 
CSP exam equation fully explained
CSP exam equation fully explainedCSP exam equation fully explained
CSP exam equation fully explained
 
Transcript of Hearing Dooley v Gloucester County School Board 4 19 2023 Heari...
Transcript of Hearing Dooley v Gloucester County School Board 4 19 2023 Heari...Transcript of Hearing Dooley v Gloucester County School Board 4 19 2023 Heari...
Transcript of Hearing Dooley v Gloucester County School Board 4 19 2023 Heari...
 
Slide
SlideSlide
Slide
 
Slide
SlideSlide
Slide
 
Créer un service d'accès public à Internet (SAPIENS 2009)
Créer un service d'accès public à Internet (SAPIENS 2009)Créer un service d'accès public à Internet (SAPIENS 2009)
Créer un service d'accès public à Internet (SAPIENS 2009)
 
Modul manufacture
Modul manufactureModul manufacture
Modul manufacture
 
Présentation Toucher pour Voir / tri-D - décembre 2015
Présentation Toucher pour Voir / tri-D - décembre 2015Présentation Toucher pour Voir / tri-D - décembre 2015
Présentation Toucher pour Voir / tri-D - décembre 2015
 
Formación a medida: Una solución para generar comrpomiso en las personas clav...
Formación a medida: Una solución para generar comrpomiso en las personas clav...Formación a medida: Una solución para generar comrpomiso en las personas clav...
Formación a medida: Una solución para generar comrpomiso en las personas clav...
 
Una solución para generar compromiso
Una solución para generar compromisoUna solución para generar compromiso
Una solución para generar compromiso
 
ISD
ISDISD
ISD
 

Plus de Fabien Pfaender

Geography et Visualisations
Geography et VisualisationsGeography et Visualisations
Geography et VisualisationsFabien Pfaender
 
Fonctionnement des Moteurs De Recherche
Fonctionnement des Moteurs De RechercheFonctionnement des Moteurs De Recherche
Fonctionnement des Moteurs De RechercheFabien Pfaender
 
Historique des dispositifs de découverte de connaissances
Historique des dispositifs de découverte de connaissancesHistorique des dispositifs de découverte de connaissances
Historique des dispositifs de découverte de connaissancesFabien Pfaender
 
Presentation Enjeux Perspective
Presentation Enjeux PerspectivePresentation Enjeux Perspective
Presentation Enjeux PerspectiveFabien Pfaender
 

Plus de Fabien Pfaender (10)

Geography et Visualisations
Geography et VisualisationsGeography et Visualisations
Geography et Visualisations
 
Web sémantique
Web sémantiqueWeb sémantique
Web sémantique
 
Fonctionnement des Moteurs De Recherche
Fonctionnement des Moteurs De RechercheFonctionnement des Moteurs De Recherche
Fonctionnement des Moteurs De Recherche
 
Sémiologie Graphique
Sémiologie GraphiqueSémiologie Graphique
Sémiologie Graphique
 
Historique des dispositifs de découverte de connaissances
Historique des dispositifs de découverte de connaissancesHistorique des dispositifs de découverte de connaissances
Historique des dispositifs de découverte de connaissances
 
Captation Ic05 A09
Captation Ic05 A09Captation Ic05 A09
Captation Ic05 A09
 
Science Des Réseaux
Science Des RéseauxScience Des Réseaux
Science Des Réseaux
 
Enda And Web Science
Enda And Web ScienceEnda And Web Science
Enda And Web Science
 
Presentation Enjeux Perspective
Presentation Enjeux PerspectivePresentation Enjeux Perspective
Presentation Enjeux Perspective
 
Rochebrune 2007
Rochebrune 2007Rochebrune 2007
Rochebrune 2007
 

Analyse Exploratoire de Données

  • 1. Exploratory Data Analysis EDA : principes généraux
  • 2. Qu’est ce qu’une analyse exploratoire de données 1. Une philosophie 2. Des principes 3. Des outils ➡ Améliorer l’EDA
  • 3. Une approche novatrice ‣ Maximiser les insights dans un jeu de données ‣ découvrir les structures sous-jacentes ‣ extraire les variables importantes ‣ détecter les données aberrantes et les anomalies ‣ tester des suppositions issues des données ‣ développer des modèles minimaux ‣ déterminer les réglages optimaux des différents facteurs
  • 4. Initié par Tukey (1915 - 2000) Far better an approximate answer to the right question, which is often vague, than an exact answer to the wrong question, which can always be made precise J. W. Tukey (1962, page 13), "The future of data analysis". Annals of Mathematical Statistics 33(1), pp. 1-67.
  • 5. Analyse Exploratoire versus Analyse classique ‣ Analyse classique : Problème - données - modèle - analyse - conclusions ‣ Analyse exploratoire : Problème - données - analyse - modèle - conclusions ‣ Analyse bayesienne : Problème - données - modèle - ébauche distribution - analyse - conclusions
  • 6. L’EDA est une attitude, une philosophie, pour révéler l’inconnu directement depuis les données
  • 7. Objectifs Maximiser les insights de l’analyste Lui fournir tout ce qu’il voudrait extraire : ‣ Un modèle parcimonieux qui colle bien ‣ Les données extrêmes ‣ Des conclusions robustes ‣ Une estimation des paramètres ‣ La marge d’erreur pour ces estimations ‣ La liste des facteurs importants et leur importance individuelle relative ‣ Paramètres optimaux
  • 8. insights When the course of action must respond to new comprehension, new insights and new intuitive flashes of possible explanations or solutions, it will not be an orderly process. Existing means of composing and working with symbol structures penalize disorderly processes very heavily, and it is part of the real promise in the automated H- LAM/T systems of tomorrow that the human can have the freedom and power of disorderly processes
  • 9. Comment faire ? Utiliser des visualisations !
  • 10. Visualization can play a key role for such activities, for example : in presenting a visual overview of the data so that categories might be hypothesised (abductively), in evaluating individual examples with respect to their “representativeness” (inductively), and showing the results of applying the new knowledge to structure the data (deductively) M Gahegan, M Takatsuka, M Wheeler, and F Hardisty. Introducing geovista studio : an integrated suite of visualization and computational methods for exploration and ....
  • 11. Techniques graphiques Des techniques simples qui consiste en différents diagrammes : ‣ Tracer les données brutes (data traces, histogrammes, bihistogrammes, probability plots, lag plots, block plots, and Youden plots). ‣ Tracer des statistiques simples (mean plots, standard deviation plots, box plots) ‣ Positionner les diagrammes pour maximiser notre abilité naturelle à la reconnaissance de motifs en utilisant plusieurs diagrammes par page
  • 12.
  • 13.
  • 14.
  • 15.
  • 16.
  • 17. 176 Figure 75: A visualization of county-level election results for the State of Michigan from 1998 to 2004 (see appendix A.3). A tinted lens highlights views, using labeled arrows to reveal
  • 18.
  • 19. '+=+37$&'"+/.$1"+')+(1/%$."'%+3(##')+&'-+.-").+=+,$+#$.-B%"+ Statut des présentations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
  • 22. Phases de l’EDA Principe 1 : Voir l’ensemble
  • 23. Phases de l’EDA Principe 1 : Voir l’ensemble Principe 2 : Simplifier et modéliser
  • 24. Phases de l’EDA Principe 1 : Voir l’ensemble Principe 2 : Simplifier et modéliser Principe 3 : Diviser et grouper
  • 25. Phases de l’EDA Principe 1 : Voir l’ensemble Principe 2 : Simplifier et modéliser Principe 3 : Diviser et grouper Principe 4 : Voir en relation
  • 26. Phases de l’EDA Principe 1 : Voir l’ensemble Principe 2 : Simplifier et modéliser Principe 3 : Diviser et grouper Principe 4 : Voir en relation Principe 5 : Chercher du reconnaissable
  • 27. Phases de l’EDA Principe 1 : Voir l’ensemble Principe 2 : Simplifier et modéliser Principe 3 : Diviser et grouper Principe 4 : Voir en relation Principe 5 : Chercher du reconnaissable Principe 6 : Zoom et Focus
  • 28. Phases de l’EDA Principe 1 : Voir l’ensemble Principe 2 : Simplifier et modéliser Principe 3 : Diviser et grouper Principe 4 : Voir en relation Principe 5 : Chercher du reconnaissable Principe 6 : Zoom et Focus Principe 7 : Porter son attention sur les particularités
  • 29. Phases de l’EDA Principe 1 : Voir l’ensemble Principe 2 : Simplifier et modéliser Principe 3 : Diviser et grouper Principe 4 : Voir en relation Principe 5 : Chercher du reconnaissable Principe 6 : Zoom et Focus Principe 7 : Porter son attention sur les particularités Principe 8 : Établir des liens
  • 30. Phases de l’EDA Principe 1 : Voir l’ensemble Principe 2 : Simplifier et modéliser Principe 3 : Diviser et grouper Principe 4 : Voir en relation Principe 5 : Chercher du reconnaissable Principe 6 : Zoom et Focus Principe 7 : Porter son attention sur les particularités Principe 8 : Établir des liens Principe 9 : Établir la structure
  • 31. Phases de l’EDA Principe 1 : Voir l’ensemble Principe 2 : Simplifier et modéliser Principe 3 : Diviser et grouper Principe 4 : Voir en relation Principe 5 : Chercher du reconnaissable Principe 6 : Zoom et Focus Principe 7 : Porter son attention sur les particularités Principe 8 : Établir des liens Principe 9 : Établir la structure Principe 10 : intégrer la connaissance du domaine
  • 32. Améliorer l’EDA trouver des prises
  • 33. Améliorer l’EDA trouver des prises
  • 34. Principle 1: See the Whole
  • 35. application de la sémiologie Améliorer l’EDA
  • 36. application de la sémiologie Améliorer l’EDA
  • 37.
  • 38.
  • 39.
  • 40. Management de exemples systèmes complexes
  • 41. Management de exemples systèmes complexes
  • 42. Management de exemples systèmes complexes
  • 43. Management de exemples systèmes complexes
  • 44. Management de exemples systèmes complexes
  • 45. Management de exemples systèmes complexes
  • 46. Management de Figure 75: A visualization of county-level election results for the State of Michigan from 1998 exemples to 2004 (see appendix A.3). A tinted lens highlights views, using labeled arrows to reveal systèmes complexes Votes v. Counties scatter plot. coordination on the user’s selection of counties in the
  • 47. Management de exemples systèmes complexes

Notes de l'éditeur

  1. Tukey, John (1977), Exploratory Data Analysis, Addison-Wesley. John Wilder Tukey (June 16, 1915 - July 26, 2000) was an American statistician. Auteur de la FFT
  2. approaches? Three popular data analysis approaches are: Classical Exploratory (EDA) Bayesian Paradigms for Analysis Techniques These three approaches are similar in that they all start with a general science/engineering problem and all yield science/engineering conclusions. The difference is the sequence and focus of the intermediate steps. Bayes - degr&amp;#xE9; de confiance accord&amp;#xE9; &amp;#xE0; une hypoth&amp;#xE8;se Ajouter un mot sur le mod&amp;#xE8;le en logique flou et notamment inf&amp;#xE9;rence de r&amp;#xE8;gles floues
  3. Philosophy qui rejette ces statistiques et la volont&amp;#xE9; de coller &amp;#xE0; des mod&amp;#xE8;les pr&amp;#xE9;existants pour d&amp;#xE9;couvrir du nouveau
  4. Insights : On doit son usage `a Ko &amp;#x308;hler, un gesthaltiste, qui le premier &amp;#x301;evoque ce bref instant ou` du probl`eme, on entrevoit une solution : Ko &amp;#x308;hler utilise le terme anglais insight pour nommer le temps fort d&amp;#x2019;une r &amp;#x301;e- solution, compris comme passage d&amp;#x2019;une configuration perceptive `a une seconde configuration, plus satisfaisante car porteuse en elle-m&amp;#x2C6;eme des r &amp;#x301;eorientations, des regroupements, des suggestions d&amp;#x2019;actions susceptibles de rem &amp;#x301;edier aux tensions inh &amp;#x301;erentes `a la configuration ant &amp;#x301;ec &amp;#x301;edente Rosenthal and Visetti (2003). Il s&amp;#x2019;agit donc de r &amp;#x301;esoudre des tensions dans une configuration donn &amp;#x301;ee en d &amp;#x301;ecouvrant dans cette configuration perceptive les prises que l&amp;#x2019;on peut avoir dessus.
  5. D&amp;#xE9;duction : produit des hypo d&amp;#xE9;terministes Induction : jeu de donn&amp;#xE9;es limit&amp;#xE9; + caract&amp;#xE9;ristiques = cat&amp;#xE9;gories Abduction : cat&amp;#xE9;gorisation et hypoth&amp;#xE8;se
  6. Topofil de boa vista outil p&amp;#xE9;dofil, quadrille pr&amp;#xE9;sente diff&amp;#xE9;remment
  7. To get a &quot;feel&quot; for the data, it is not enough for the analyst to know what is in the data; the analyst also must know what is not in the data, and the only way to do that is to draw on our own human pattern-recognition and comparative abilities in the context of a series of judicious graphical techniques applied to the data.
  8. To get a &quot;feel&quot; for the data, it is not enough for the analyst to know what is in the data; the analyst also must know what is not in the data, and the only way to do that is to draw on our own human pattern-recognition and comparative abilities in the context of a series of judicious graphical techniques applied to the data.
  9. Andrienko and Andrienko (nouvelle ref en EDA)
  10. Syst&amp;#xE8;me complexe n&amp;#x2019;est rien d&amp;#x2019;autre qu&amp;#x2019;un milieu dans lequel on fait jouer la boucle sensorimotrice. On peut se saisir de l&amp;#x2019;objet Look for recognizable, zoom and focus, establish structure
  11. Syst&amp;#xE8;me complexe n&amp;#x2019;est rien d&amp;#x2019;autre qu&amp;#x2019;un milieu dans lequel on fait jouer la boucle sensorimotrice. On peut se saisir de l&amp;#x2019;objet Look for recognizable, zoom and focus, establish structure