Prétraitement Supervisé des Variables Numériques pour la Fouille de Données Multi-Tables

Résumé. Le prétraitement des variables numériques dans le contexte de la fouille de données multi-tables diffère de celui des données classiques individuvariable. La difficulté vient principalement des relations un-à-plusieurs où les individus de la table cible sont potentiellement associés à plusieurs enregistrements dans des tables secondaires. Dans cet article, nous décrivons une méthode de discrétisation des variables numériques situées dans des tables secondaires. Nous proposons un critère qui évalue les discrétisations candidates pour ce type de variables. Nous décrivons un algorithme d’optimisation simple qui permet d’obtenir la meilleure discrétisation en intervalles de fréquence égale pour le critère proposé. L’idée est de projeter dans la table cible l’information contenue dans chaque variable secondaire à l’aide d’un vecteur d’attributs (un attribut par intervalle de discrétisation). Chaque attribut représente le nombre de valeurs de la variable secondaire appartenant à l’intervalle correspondant. Ces attributs d’effectifs sont conjointement partitionnés à l’aide de modèles en grille de données afin d’obtenir une meilleure séparation des valeurs de la classe. Des expérimentations sur des jeux de données réelles et artificielles révèlent que l’approche de discrétisation permet de découvrir des variables secondaires pertinentes.