Analyse prédictive | EPFL Graph Search

Êtes-vous un étudiant de l'EPFL à la recherche d'un projet de semestre?

Travaillez avec nous sur des projets en science des données et en visualisation, et déployez votre projet sous forme d'application sur GraphSearch.

Découvrez-en plus sur les applications Graph.

L'analyse (ou logique) prédictive englobe une variété de techniques issues des statistiques, d'extraction de connaissances à partir de données et de la théorie des jeux qui analysent des faits présents et passés pour faire des hypothèses prédictives sur des événements futurs. Dans le monde des affaires, des modèles prédictifs exploitent des schémas découverts à l'intérieur des ensembles de données historiques et transactionnelles pour identifier les risques et les opportunités. Les modèles capturent les relations entre de nombreux facteurs permettant l'évaluation des risques ou celle des opportunités associés à un ensemble spécifique de conditions, afin d'orienter la prise de décision vers telle ou telle action. L'analyse (ou logique) prédictive est utilisée en actuariat, dans les services financiers, l'assurance, le droit et la justice, les télécommunications, le commerce de détail, le tourisme, la santé, l'industrie pharmaceutique et bien d'autres domaines encore. Une des applications les plus connues est l'évaluation du risque-client, qui est utilisée dans l'ensemble des services financiers. Les modèles d'évaluation traitent les antécédents de crédit d'un client, les demandes de prêt, les données client, afin de classer les individus selon la probabilité de rembourser leurs crédits en temps voulu. Un exemple bien connu est le FICO Score. L'analyse prédictive, considérée comme un type d'exploration de données, est un domaine de l'analyse statistique qui extrait l'information à partir des données pour prédire les tendances futures et les motifs de comportement. Le cœur de l'analyse prédictive se fonde sur la capture des relations entre les variables explicatives et les variables expliquées, ou prédites, issues des occurrences passées, et l'exploitation de ces relations pour prédire les résultats futurs. , toutefois, que l'exactitude et l'utilité des résultats dépendent grandement du niveau de l'analyse des données et de la qualité des hypothèses.

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Publications associées (20)

Personnes associées (13)

Concepts associés (27)

Cours associés (32)

Séances de cours associées (231)

MOOCs associés (6)

, ,

Nowadays, transmission system operators require higher degree of observability in real-time to gain situational awareness and improve the decision-making process to guarantee a safe and reliable opera

ELSEVIER SCI LTD2022

BACKGROUND. Clinical Decision Support Systems (CDSS) are point-of-care questionnaires that guide consultations to evidence-based predictions with the aim of standardizing care and optimizing resource

2022

Predictive Analysis of Errors During Robot-Mediated Gamified Training

Pierre Dillenbourg, Arzu Güneysu Özgür, Nevena Dresevic, Nihal Ezgi Yücetürk, Marija Katanic

This paper presents our approach to predicting future error-related events in a robot-mediated gamified phys- ical training activity for stroke patients. The ability to predict future error under such

2022

ENG-209: Data science for engineers with Python

Ce cours est divisé en deux partie. La première partie présente le langage Python et les différences notables entre Python et C++ (utilisé dans le cours précédent ICC). La seconde partie est une intro

ME-390: Foundations of artificial intelligence

This course provides the students with basic theory to understand the machine learning approach, and the tools to use the approach for problems arising in engineering applications.

DH-406: Machine learning for DH

This course aims to introduce the basic principles of machine learning in the context of the digital humanities. We will cover both supervised and unsupervised learning techniques, and study and imple

Path Integral Methods in Atomistic Modelling

The course provides an introduction to the use of path integral methods in atomistic simulations. The path integral formalism allows to introduce quantum mechanical effects on the equilibrium and (ap

Neuronal Dynamics - Computational Neuroscience of Single Neurons

The activity of neurons in the brain and the code used by these neurons is described by mathematical neuron models at different levels of detail.

Neuronal Dynamics 2- Computational Neuroscience: Neuronal Dynamics of Cognition

This course explains the mathematical and computational models that are used in the field of theoretical neuroscience to analyze the collective dynamics of thousands of interacting neurons.

Analyse prédictive

Big data

Le big data ( « grosses données » en anglais), les mégadonnées ou les données massives, désigne les ressources d’informations dont les caractéristiques en termes de volume, de vélocité et de variété imposent l’utilisation de technologies et de méthodes analytiques particulières pour créer de la valeur, et qui dépassent en général les capacités d'une seule et unique machine et nécessitent des traitements parallélisés. L’explosion quantitative (et souvent redondante) des données numériques permet une nouvelle approche pour analyser le monde.

Predictive modelling

Predictive modelling uses statistics to predict outcomes. Most often the event one wants to predict is in the future, but predictive modelling can be applied to any type of unknown event, regardless of when it occurred. For example, predictive models are often used to detect crimes and identify suspects, after the crime has taken place. In many cases, the model is chosen on the basis of detection theory to try to guess the probability of an outcome given a set amount of input data, for example given an email determining how likely that it is spam.

Explore la découverte et la planification de traitements guidés par l'apprentissage automatique en médecine personnalisée à l'aide de données à haut débit et d'un transport optimal neuronal.

Montre un projet prédisant le prix de Bitcoin en utilisant Twitter et ML, obtenant 60% de précision.

Explore l'invariance, la causalité et la robustesse de l'analyse des données, en abordant les défis et les implications pour la généralisation de la distribution.