Méthodes de data mining et applications à l'analyse de bases de données de suicidants

Philippe Lenca (1, 2) , Sofian Berrouiguet (1, 2, 3, 4) , Romain Billot (1, 2)

1 Lab-STICC_IMTA_CID_DECIDE
2 IMT Atlantique - LUSSI - Département Logique des Usages, Sciences sociales et Sciences de l'Information
3 EA7479 SPURBO - Soins Primaires, Santé Publique, Registre des cancers de Bretagne Occidentale
4 CHU - BREST - Hopital de Bohars - CHRU Brest

Les grandes étapes d'un processus de data mining ainsi que quelques méthodes d'apprentissage supervisées et non supervisées seront présentées et illustrées sur un exemple pédagogique. Enfin, les premiers résultats d'un processus complet de data mining sur une base de données de suicidants montreront l'intérêt du data mining pour déterminer des groupes de suicidants et pour identifier des facteurs de risque associés au nombre de tentatives de suicide.

Mots clés: Fouille de données; Data Mining; Machine learning; Suicide; Tentative de suicide; Clustering; Arbres de régression

Domaines: Intelligence artificielle [cs.AI]; Ordinateur et société [cs.CY]; Psychiatrie et santé mentale; Santé publique et épidémiologie; Machine Learning [stat.ML]; Applications [stat.AP]

Philippe Lenca, Sofian Berrouiguet, Romain Billot. Méthodes de data mining et applications à l'analyse de bases de données de suicidants. Journées du Groupement d’Etudes et de Prévention du Suicide, Jan 2018, Montpellier, France. ⟨hal-01688452⟩