Scénario de data mining (2)

peuvent affecter ou fausser un modèle) et, le cas échéant, modifier les données. Cliquez sur l’onglet Data Mining en haut du ruban Excel. Cliquez sur Explore Data pour ouvrir l’Explore Data Wizard. Cliquez sur Next et assurez-vous que la table ‘Source Data’!’Source Data’ est sélectionnée. Dans la zone de liste déroulante Select column, sélectionnez Yearly Income (revenu annuel).

Cliquez sur Next. Un graphique d’exploration de données similaire à celui de la figure 1 apparaît et répartit les revenus au sein de huit intervalles. (Vous pouvez reconfigurer les nombres d’intervalles selon les besoins.) En explorant les données de la sorte, vous pouvez trouver et, si nécessaire, changer ou supprimer les points aberrants susceptibles de fausser le modèle. Poursuivez jusqu’à sortir de l’assistant. Supposons que vous souhaitiez éliminer les revenus annuels supérieurs à 150 000 dollars. Dans l’onglet Data Mining du ruban, cliquez sur Clean Data, puis sélectionnez Outliers pour accéder à l’Outlier Wizard.

Cliquez sur Next, assurez-vous que la table ‘Source Data’!’Source Data’ est sélectionnée, puis cliquez de nouveau sur Next. Dans la zone de liste déroulante Select column, sélectionnez Yearly Income (revenu annuel), puis cliquez sur Next. Dans l’étape de spécification de seuils Specify Thresholds, modifiez la valeur de Maximum à 150000. Cliquez sur Next, puis à l’étape de gestion des points aberrants Outlier Handling, sélectionnez l’option de sélection des lignes contenant des points aberrants Delete rows containing outliers. Cliquez de nouveau sur Next, puis sélectionnez Copy sheet data with changes to a new worksheet. Une feuille de calcul nommée Clean Data est créée automatiquement. Notez que cette création vous sert uniquement à avoir une idée du processus. Vous pourrez donc ensuite supprimer la feuille de calcul comme bon vous semble.

Au sein de la fonctionnalité Clean Data, l’option de changement de nom Re-label peut vous aider à clarifier ou à distinguer les attributs de données. Cliquez sur Clean Data et sélectionnez Re-label. Dans notre exemple, les valeurs possibles pour les colonnes Home Owner (Propriétaire particulier) et BikeBuyer (Acheteur de vélos) sont Yes et No. Si cela correspond mieux à vos besoins, vous pouvez utiliser Relabel pour renommer les valeurs Home Owner en quelque chose de plus descriptif, tel que Rent (louer) ou Own (acquérir).