Centre de Recherche en Informatique de Lens

De nos jours, les données disponibles deviennent de plus en plus volumineuses et elles peuvent être de nature très diverse : vagues, manquantes, numériques, symboliques par exemple. Face à la quantité de données disponibles, le traitement efficace de données est problématique. Nous adoptons ici une approche d’extraction de connaissances à partir de données basée sur l’apprentissage inductif, plus précisément, par arbres de décision.

De façon générale, un système construit par apprentissage inductif a pour but de discriminer les individus de différentes classes. En particulier, un algorithme de construction d’arbre de décision procède par évaluation successive de la capacité de discrimination des attributs pour construire l’arbre de décision.

Nous nous intéressons aux mesures de discrimination dans la construction des arbres de décision. Nous proposons d’utiliser ces mesures dans les différentes étapes de la construction des arbres de décision : imputation des données manquantes, discrétisation floue d’attributs numériques, sélection d’attributs.

Les applications qui concernent la classification de courriers électroniques et la classification de traces d’interactions homme-machine sont également présentées.