


default search action
DMAS 2005: Niort, France
- Farid Beninel, Michel Béra, Christian Partrat, Gilbert Saporta:
Data Mining et Apprentissage Statistique : application en assurance, banque et marketing, Niort, France, 12-13 Mai 2005. RNTI A-1, Cépaduès-Éditions 2007, ISBN 978-2-85428-794-3 - David J. Hand:
Modern data analysis tools in personal financial services: a quantitative revolution. 1-8 - Michel Béra:
Nouvelles méthodologies de la modélisation: Théorie de Vapnik et mise en oeuvre par KXEN. 9-21 - Emmanuel Viennet, Françoise Fogelman-Soulié:
Le Traitement des Refusés dans le Risque Crédit. 22-44 - Stéphane Tuffery:
Améliorer les performances d'un modèle prédictif: perspectives et réalité. 45-72 - Ricco Rakotomalala, Tanguy Le Nouvel:
Interactive Clustering Tree: Une méthode de classification descendante adaptée aux grands ensembles de données. 73-93 - Stéphane Chauvin:
Incertitude du Ciblage Marketing. 94-107 - Kamal Boukhetala, M. Yahiaoui, T. Laadjel:
Une approche de tarification en assurance automobile par Réseaux de Neurones. 108-128 - Julien Jacques, Christophe Biernacki:
Analyse discriminante sur données binaires lorsque les populations d'apprentissage et de test sont différentes. 129 - Thierry Foucart:
Évaluation de la régression bornée. 130-144 - Arthur Charpentier:
Actuariat et data mining: prise en compte des dépendances. 145-167 - Jean-Marie Marion, J. M. Loizeau, Abder Oulidi:
Methodes d'estimation de durees de vie de contrats d'assurances automobiles. 168-182 - Djamel Meraghni, Abdelhakim Necir:
Approche des Valeurs Extrêmes dans la Modélisation des Séries Financières. 183-199 - Farid Beninel, Christophe Biernacki:
Relaxations de la régression logistique : modèles pour l'apprentissage sur une sous-population et la prédiction sur une autre. 200-212

manage site settings
To protect your privacy, all features that rely on external API calls from your browser are turned off by default. You need to opt-in for them to become active. All settings here will be stored as cookies with your web browser. For more information see our F.A.Q.