Bonsoirs,
Étant nouveau dans le data mining, et suite a ma lécture sur wikipedia:
Pourquoi tant d'algorithmes ? [modifier]

Parce que nous venons de voir qu'ils n'ont pas tous le même objet, parce qu'aucun n'est optimal dans tous les cas, parce qu'ils s'avèrent en pratique complémentaires les uns des autres et parce qu'en les combinant intelligemment (en construisant ce que l'on appelle des modèles de modèles ou métamodèles) il est possible d'obtenir des gains de performance très significatifs, si l'on prend bien garde d'éviter des problèmes de sur-ajustement des modèles ainsi obtenus (voir à ce sujet l'article Arbre de décision et son paragraphe traitant du problème de sur-ajustement des modèles). Encore faut-il être en mesure de réaliser ces combinaisons facilement, ce que permettent les logiciels ateliers de Data Mining, par opposition aux outils de statistiques classiques dans lesquels l'opération est beaucoup plus délicate en pratique.
je sollicite votre aide afin de m'orienter vers les algorithmes que je dois apprendre affin de répondre a la problématique suivante:

J'ai des critères(différentes variables) et des notes (des appréciations) et je dois selon les données récoltés (Critères + notes associer) affiner mes critères de référence.

Un exemple plus parlant: J'ai une expérience X qui est faite par une grande population (ou chaque individu doit positionner les différents paramètres en entrés), cette expérience donne des résultats différent pour chaque individu.
Je voudrai choisir en fonction des résultats le meilleur paramétrage de mon expérience sans pour autant oublier que les résultats peuvent être erroné (les gens peuvent mentir).


Merci d'avoir pris la peine de me lire.
Cordialement Nemesis.