Utilisation des regles d’associations Positives et Negatives pour la prediction (application sur les maladies urinaires )
Loading...
Date
2022
Journal Title
Journal ISSN
Volume Title
Publisher
Faculté des Sciences
Abstract
Le data mining, ou la fouille de données, constitue le coeur d'un processus d'extraction des connaissances à partir d'un large volume de données. Son champ d'applications est très vaste.
Dans le présent travail nous exposons un modèle de prédiction pour la recherche d’une donnée ou valeur et qui est en fait une valeur inconnue au départ et dont nous voulons prédire.
Pour atteindre cet objectif nous proposons un système qui va s'articuler autour de quatre modules dont les tâches sont les suivantes :
1. Dans un premier temps nous employons la technique L’extraction de connaissance à partir de données (ECD) pour la collection et la préparation des données
2. Dans un deuxième temps nous utilisons un module que nous avons développé afin de faire la prédiction à partir du modèle construit par les règles d’association (positive et négative).
3. Dans un troisième temps l’objectif est de proposer un nouvel algorithme d’extraction de règles d’association positives et négatives utilisant les optimisations que nous avons proposées dans le module précèdent.
4. Dans une étape finale nous expérimentons notre approche sur des données se rapportant aux maladies urinaires. En effet, dans ce genre de maladie nous nous concentrons surtout sur les symptômes et le développement pendant laquelle la maladie est à son plus haut degré de développement. Les formes aigues de l’inflammation de la vessie et de la néphrite soudaines et de grande intensité, sont des signes alarmants qui guident vers le diagnostic prématurément, ceci nous facilite un traitement d’attaque adéquat. Le patient peut ainsi être sauvé.
Le travail que nous présentons dans ce mémoire est très intéressant notamment dans la recherche de l’information manquante dans les maladies.
Ceci, permettra de contribuer au développement d'un système pour l’étude des maladies urinaires.