Please use this identifier to cite or link to this item:
http://univ-bejaia.dz/dspace/123456789/15587
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.author | Djafri, Razik | - |
dc.contributor.author | Abbas, K ; promoteur | - |
dc.date.accessioned | 2021-06-03T07:44:57Z | - |
dc.date.available | 2021-06-03T07:44:57Z | - |
dc.date.issued | 2019 | - |
dc.identifier.uri | http://hdl.handle.net/123456789/15587 | - |
dc.description | Spécialité : Mathématiques financières | en_US |
dc.description.abstract | Généralement, l’objectif du data mining est d’aider à la prise de décision en fournissant des modèles compréhensibles aux utilisateurs. En effet, les utilisateurs ne demandent pas des pages et des pages de chiffres, mais des modèles et leurs interprétations. Les expériences montrent que les modèles simples sont plus compréhensibles mais moins précis, alors que les modelés complexes sont plus précis mais difficiles à interpréter. A travers ce mémoire nous avons pu répondre à notre problématique qui est de développer un modèle qui va nous permettre de savoir si un nouveau client peut OUI ou NON rembourser son crédit. Nous concluions par donner certains perspectives à ce modeste travail. Cette étude de datamining pourra séduire les grandes entreprises. Cela me motive d’améliorer mes compétences dans le domaine de datamining, pour développer des modèles fiable à partir de grandes base de données (BIG DATA) on utilisons des logiciels plus performant et des langages de programmation plus adéquat comme Python. Généralement, l’objectif du data mining est d’aider à la prise de décision en fournissant des modèles compréhensibles aux utilisateurs. En effet, les utilisateurs ne demandent pas des pages et des pages de chiffres, mais des modèles et leurs interprétations. Les expériences montrent que les modèles simples sont plus compréhensibles mais moins précis, alors que les modelés complexes sont plus précis mais difficiles à interpréter. A travers ce mémoire nous avons pu répondre à notre problématique qui est de développer un modèle qui va nous permettre de savoir si un nouveau client peut OUI ou NON rembourser son crédit. Nous concluions par donner certains perspectives à ce modeste travail. Cette étude de datamining pourra séduire les grandes entreprises. Cela me motive d’améliorer mes compétences dans le domaine de datamining, pour développer des modèles fiable à partir de grandes base de données (BIG DATA) on utilisons des logiciels plus performant et des langages de programmation plus adéquat comme Python. | en_US |
dc.language.iso | fr | en_US |
dc.publisher | université A/Mira Bejaia | en_US |
dc.subject | Datamining : Classification : Apprentissage supervisé : Prédiction : Modèle | en_US |
dc.title | Data Mining Classification Par Apprentissage Supervisé Pour Prédire Le Remboursement D’un Crédit | en_US |
dc.type | Thesis | en_US |
Appears in Collections: | Mémoires de Master |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Data Mining Classification Par Apprentissage Supervisé Pour Prédire Le Remboursement D’un Crédit.pdf | 2.73 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.