Titre :	Méthodes factorielles pour l'analyse des données : Méthodes linéaires et extensions non-linéaires
Type de document :	texte imprimé
Auteurs :	CRUCIANU,Michel ; ASSELINE DE BEAUVILLE,Jean-pierre ; BONE,Romuald
Editeur :	Paris : Lavoisier
Année de publication :	2004
Importance :	1 vol. (288 p.)
Format :	24
ISBN/ISSN/EAN :	978-2-7462-0921-3
Catégories :	Mathématique
Mots-clés :	Analyse factorielle Analyse des données
Index. décimale :	519 Mathématiques appliquées, probabilités (statistiques mathématiques)
Résumé :	Ce livre présente les principales méthodes d'analyse factorielle linéaire (analyse en composantes principales, analyse des correspondances binaires, analyse des correspondances multiples, analyse discriminante). Les méthodes d'analyse non linéaire des données, à base de noyaux (kernel principal component analysis, kernel discriminant analysis) ou à base de réseaux de neurones, sont également abordées. Des exemples d'application et des exercices avec leurs solutions ou des indications pour la solution sont associés à chaque méthode et permettent au lecteur de consolider ses connaissances.
Note de contenu :	Sommaire Introduction Analyse en composantes principales Analyse factorielle des correspondances Analyse des correspondances multiples Analyse factorielle discriminante Solutions des exercices
Côte titre :	Fs/2040-2046

Méthodes factorielles pour l'analyse des données : Méthodes linéaires et extensions non-linéaires [texte imprimé] / CRUCIANU,Michel ; ASSELINE DE BEAUVILLE,Jean-pierre ; BONE,Romuald . - Paris : Lavoisier, 2004 . - 1 vol. (288 p.) ; 24.
ISBN : 978-2-7462-0921-3

Catégories :	Mathématique
Mots-clés :	Analyse factorielle Analyse des données
Index. décimale :	519 Mathématiques appliquées, probabilités (statistiques mathématiques)
Résumé :	Ce livre présente les principales méthodes d'analyse factorielle linéaire (analyse en composantes principales, analyse des correspondances binaires, analyse des correspondances multiples, analyse discriminante). Les méthodes d'analyse non linéaire des données, à base de noyaux (kernel principal component analysis, kernel discriminant analysis) ou à base de réseaux de neurones, sont également abordées. Des exemples d'application et des exercices avec leurs solutions ou des indications pour la solution sont associés à chaque méthode et permettent au lecteur de consolider ses connaissances.
Note de contenu :	Sommaire Introduction Analyse en composantes principales Analyse factorielle des correspondances Analyse des correspondances multiples Analyse factorielle discriminante Solutions des exercices
Côte titre :	Fs/2040-2046