Critères d'évaluation des mesures de qualité en ECD

Philippe Lenca (1) , Patrick Meyer (2) , Philippe Picouet (1) , Benoît Vaillant (1) , Stéphane Lallich (3)

1 IASC - Dépt. Intelligence Artificielle et Systèmes Cognitifs
2 Institute of Mathematics (Université de Liège)
3 ERIC - Equipe de Recherche en Ingénierie des Connaissances

Les algorithmes de fouille de données, en particulier dans le cadre de l’apprentissage non-supervisé, génèrent un grand nombre de règles d’association. Il est donc impossible de procéder à une validation de ces règles en les présentant à un expert du domaine. Afin d’assister ce traitement, de nombreuses mesures de qualité de règles ont été proposées, pour sélectionner et ordonner automatiquement les règles en fonction d’objectifs donnés. Se pose alors le problème du choix de la mesure de qualité adaptée aux données et aux objectifs de l’expert. Celui-ci n’étant pas – a priori – expert en fouille de données, nous proposons une caractérisation des mesures en fonction de propriétés classiques ayant une sémantique intuitive. La donnée de ces propriétés permet de mettre en œuvre un processus d’aide à la décision afin d’assister l’expert à sélectionner une mesure de qualité adaptée à ses besoins.

Domaines: Ordinateur et société [cs.CY]

Philippe Lenca, Patrick Meyer, Philippe Picouet, Benoît Vaillant, Stéphane Lallich. Critères d'évaluation des mesures de qualité en ECD. XXXV Journées de Statistique, Jun 2003, Lyon, France. pp.647 - 650. ⟨hal-02301475⟩