Méthodes d’arbres

17 janvier 2013 : Méthodes d’arbres (Affiche à télécharger ici)

Les méthodes d’arbres de décision fournissent des règles explicites de décision, aussi bien en classement qu’en régression. Leur popularité vient de leur caractère intuitif et de leur capacité à traiter des données hétérogènes ou manquantes. Depuis les algorithmes implémentés CHAID et CART, les méthodes de bagging, boosting et forêts aléatoires sont venues compléter le panorama.
De profils différents (universitaires, consultants, éditeurs de logiciels,…), les orateurs nous feront partager leur vision des méthodes d’arbres par la présentation de méthodes, d’applications et d’expériences mises en œuvre sur différents logiciels.

Programme
– Des arbres de décision aux forêts aléatoires : état de l’art (Badih Ghattas, Université de Méditerranée) PDF
– La santé par les arbres : quand et comment utiliser un arbre dans une étude statistique ? (Olivier Decourt, od-datamining) PDF
– Arbres de régression dans un cas d’étude pour la prévention des fissures dans les édifices (Aurélie Urbain, MathWorks)
– Application des forêts aléatoires et boosted trees à la caractérisation d’une tumeur maline (Florence Kussener, JMP, SAS Institute) PDF
– Parallélisation et optimisation pour l’implémentation des méthodes d’arbres dans un logiciel industriel (Julien Blaize, Coheris SPAD ) PDF
Les avantages métiers d’un arbre interactif (Johan Masset, Coheris SPAD)