Abstract:
Ce mémoire présente plusieurs intérêts pédagogiques et scientifiques. Apres un bref aperçus du KDD et de l’apprentissage automatique, le mémoire se concentre sur le data mining en présentant plusieurs méthodes de ce dernier, sans pour autant prétendre à l’exhaustivité. Ainsi dans ce mémoire sont présentées des techniques de classification ( kmeans, bayes naïf, réseaux de neurones,..) de clustering (partitionnement, hiérarchiques, densité,…) de recherche d’association ( apriori, partitionné, comptage dynamique,…). Par la suite, le mémoire présente les SVM et leurs fondements théoriques. Le mémoire présente aussi plusieurs algorithmes des SVM. ? la fin, le mémoire présente notre contribution dans le cadre des SVM et du data mining. Celle-ci consiste en une nouvelle approche d’utilisation des SVM dans le data mining.
