En fait je ne savais pas trop quel titre donné mais je pense que ca résume bien.
Je reviens avec mes problèmes suite à la normalisation de valeurs cf. http://www.developpez.net/forums/sho...d.php?t=549940
Voici une petite intro.
Tout le monde à bien compris qu’il s’agit d’un système de pronostiques hippique.
Le but étant de réduire au plus le nombre des chevaux potentiellement gagnants à jouer.
Soit 10 variables calculées à partir de données hippique : Var01 à Var10
Soit P1 = % de réussite à la gagne de GRPVar01 (3 premiers chevaux de Var01) -> 62%
Soit P2 = % de réussite à la gagne de GRPVar02 (3 premiers chevaux de Var02) ->53%
Soit P3 = % de réussite à la gagne de GRPVar03 (3 premiers chevaux de Var03) ->58%
Soit P4 = % de réussite à la gagne de GRPVar04 (3 premiers chevaux de Var04) ->54%
Etc.
En réalité, j’ai beaucoup plus de variables (env 50).
Les % de réussites réels sur 3 chevaux (pour des courses entre 10 et 14 partants) sont compris entre
48% et 62%
L’idée m’ai venu de faire une recherche des variables les plus pertinentes :
Par exemple, le coefficient de corrélation entre les variables :
Si proche des extrêmes je conserve la variable qui donne le meilleur % de réussite
Si proche de 0 … à étudier plus en détail ;-)
Maintenant, si on part du principe que P1 = 62% et P3 = 58%, alors que peut-on conclure si :
Les 3 chevaux des 3 premiers de Var01 sont égaux aux 3 premiers de Var03
2 chevaux des 3 premiers de Var01 sont présents dans les 3 premiers de Var03
1 cheval des 3 premiers de Var01 est présent dans les 3 premiers de Var03
Même chose entre toutes les variables…
Etc.
Je n’ai pas de difficultés en ce qui concerne la programmation et Oracle par contre les math…
J’ai des notions de base en stat que je compense par de l’analyse combinatoire. Ca marche parfois assez bien.
Par ailleurs, je possède SPSS et clémentine et je lis pas mal d’articles sur le datamining et les stats décisionnelles.
J’aurai besoins d’aide sur des algos simple à mettre en place pour analyser toutes ces variables de manière optimale.
Merci à vous
Jko
Partager