PROJET DATAMINING Basket-ball professionnel "NBA" : Critères pour avoir la meilleure équipe! Réalisé par : Anasse LAHLOU KASSI Houssam Eddine HOUBAINE DESS TIO DESS ID Année Scolaire :
SOMMAIRE INTRODUCTION... 1 I. ETAT DE L ART :... 2 1. QU EST CE QUE LE DATAMINING?... 2 2. POURQUOI LE DATAMINING?... 2 3. COMMENT?... 3 4. CLASSIFICATION DES OUTILS ET LOGICIELS DE DATAMINING... 3 4.1. Les outils Open Source... 3 4.2. Les autres outils et logiciels Datamining... 5 4.3. SODAS (Symbolic Official Data Analysis System)... 6 II. PROBLEMATIQUE... 12 1. CONTEXTE... 12 2. DESCRIPTION DE LA BASE DE DONNEES... 13 2.1. Le schéma relationnel... 13 2.2. Description des variables... 13 3. CHOIX DES INDIVIDUS ET CONCEPTS... 16 4. LES REQUETES DEFINISSANTS LES CONCEPTS... 16 4.1. La requête Principale... 16 4.2. La requête addsingle... 16 4.3. La requête Taxonomie... 17 III. UTILISATION DU MODULE DB2SO SOUS SODAS... 18 1. CREATION DE LA CONNEXION... 18 2. EXECUTION DES REQUETES... 19 3. ENREGISTREMENT DU FICHIER SODAS... 23 IV. UTILISATION DES METHODES DE SODAS POUR L ANALYSE DES DONNEES... 24 1. LA METHODE VIEW (SOE DANS L ANCIENNE VERSION) :... 24 1.1. Présentation de la méthode VIEW :... 24 1.2. Application de la méthode VIEW... 25 1.3. Interprétation des résultats... 30 2. LA METHODE DSTAT :... 31 2.1. Présentation de la méthode DSTAT... 31 2.2. Application de la méthode DSTAT... 31 2.3. Interprétation des résultats... 32 3. LA METHODE TREE... 32 3.1. Présentation de la méthode TREE... 32 3.2. Application de la méthode TREE... 33 3.3. Interprétation des résultats... 34 4. LA METHODE PYR... 34 4.1. Présentation de la méthode PYR... 34 4.2. Application de la méthode PYR... 35 4.3. Interprétation des résultats... 36 5. LA METHODE DIV... 36 5.1. Présentation de la méthode DIV... 36 5.2. Application de la méthode DIV... 37 5.3. Interprétation des résultats... 37 6. LA METHODE PCM... 38 6.1. Présentation de la méthode PCM... 38 6.2. Application de la méthode PCM... 38 V. LES "PEPITES" DE L ANALYSE... 40 CONCLUSION... 41
Introduction Ce document est le rapport de notre projet Datamining. Ce projet est réalisé par le logiciel SODAS. Le but principal est d utiliser une base de données dont il faut extraire les informations importantes pour l analyse. Cela est fait à travers l ensemble des méthodes et techniques vues dans le cours. Pour notre analyse, nous allons utiliser une base de données de Basket-ball professionnel : "NBA". Le rapport élaborera en premier lieu une présentation de l état de l art (datamining), le positionnement de SODAS sur le marché des logiciels du datamining. Ensuite il posera la problématique et présentera la base de données utilisée avec une justification des différents choix (individus, concepts, etc.). Et enfin, il affichera les rapports, graphiques, et résultats avec leurs explications. Enseignant : M. DIDAY 1
I. Etat de l art : 1. Qu est ce que le Datamining? En informatique, le développement des moyens de stockage (bases de données) et de calcul permet le traitement et l analyse d un ensemble de données très volumineux. Et récemment, le perfectionnement des interfaces Hommes-Machines offre aux utilisateurs, des possibilités d utilisation et de mise en oeuvre très simples des outils logiciels. Cette évolution, ainsi que la popularisation de nouvelles méthodes algorithmiques (réseaux de neurones) et outils graphiques, ont conduit au développement et à la commercialisation d un ensemble d outils et logiciels intégrant un sous-ensemble de méthodes statistiques et algorithmiques sous la terminologie de Data Mining, dont l objectif est la prospection ou fouille de données. Le datamining est une étape du Knowledge Discovery in Database (KDD) ou extraction de données qui consiste en la fouille de la base de données en se basant sur certaines règles et techniques. Ces extractions permettent de dégager des informations potentiellement utiles. Le but principal du datamining est d extraire des "pépites" (données pour l analyse) dans une "mine" (base de données) sans se salir les mains. 2. Pourquoi le Datamining? Les différents secteurs et domaines sur le marché sont en pleine expansion. Les entreprises sont en effet très motivées pour tirer parti et amortir, par une aide à la décision quantifiée, les coûts de stockage significatifs (souvent des teras octets) que leur service informatique s emploie à administrer. C est là ou l approche du Datamining prend notamment place. Différents exemples peuvent être cités à ce niveau : - La Gestion de la Relation Client (GRC) ou plus connu, en anglais, sous Customer Relationship Management (CRM), où il faut fidéliser et choyer les clients, et ce dans un but lucratif. Cependant, la base de données client contient souvent un nombre important de clients. La question qui se pose est comment choisir le bon client pour la bonne campagne, segmentation, produit, etc.? - Le développement et contrôle de qualité des applications industrielles. En effet, le contrôle de qualité est une phase très importantes lors de la réalisation d applications. Par contre, si le nombre de processus et d applications est très important, souvent dans le milieu industriel, il faut savoir les gérer parfaitement sans erreurs ou ambiguïté. - Etc. On peut constater que le Datamining n est pas limité à un secteur ou milieu précis. En effet, cette technique devient utile dès que l entreprise est confrontée à un volume de données important. Enseignant : M. DIDAY 2
3. Comment? Le Datamining est une technique nécessitant, au préalable, une préparation des données pour que leur exploration soit cohérente et intéressante. C est à ce niveau qu intervient la notion de l entrepôt de données (Data WareHouse). Un entrepôt de données, dont la mise en place est assuré par un gestionnaire de données (data manager) est un ensemble de bases relationnelles extraites des données brutes de l entreprise. Ces bases sont nettoyées et homogénéisées, à travers des outils d Extraction, de Transformation et de Chargement (ETL), dans le but d être stockées dans l entrepôt. Une fois ces données sont préparées et nettoyées, elles deviennent à ce stade prêtes à être exploitées. Leur exploitation se fait via les techniques de Datamining. Plusieurs outils et logiciels de Datamining, sont disponibles actuellement sur le marché. Ces outils permettent de s interfacer avec la base de données (entrepôt de données) et d y accéder dans le but d extraire les informations potentiellement utiles comme cité auparavant. L entrepôt de données est utilisé notamment quand le nombre de données est très significatif, ou plusieurs bases de données existent mais sont hétérogènes et non consolidées. Les outils Datamining peuvent aussi explorer des bases de données relationnelles sans avoir besoin d un entrepôt de données. Il suffit que l information soit bien stockée et cohérente pour en tirer profit. Par exemple, pour notre projet, nous allons travailler sur une base de données Access. Pour notre projet, nous allons utiliser le logiciel SODAS. Il serait donc intéressant de faire le tour du marché des outils et logiciels Datamining pour connaître le positionnement de SODAS. 4. Classification des outils et logiciels de Datamining Dans cette partie, nous allons faire une présentation rapide d une liste, non exhaustive, de logiciels les plus connus et utilisé sur le marché du Datamining. 4.1. Les outils Open Source Certains peuvent être intéressé par des outils libres. Voici une liste, non exhaustive, d outils Open Source pour le Datamining. Cette liste se restreint aux logiciels qui nous ont parus efficaces. 4.1.1. R-projet R est un langage et une infrastructure spécialisés pour les traitements statistiques. Il est l'un des nombreux projets GNU distribué sous licence GPL (logiciel libre). R est écrit en langage compilé (principalement en C), ce qui autorise de bonnes performances. La qualité de cet environnement et son ouverture ont permis à une myriade de théoriciens, statisticiens et informaticiens de compléter cette plate-forme d'un nombre impressionnant de fonctionnalités. Des dizaines de packages offrant des milliers de fonctions en font probablement la plate-forme la plus complète. Cependant l'outil n est pas considéré comme étant très simple à utiliser. Enseignant : M. DIDAY 3
Comme on peut le constater sur l image, R utilise plusieurs techniques intéressantes (classification hiérarchique,..) : Pour plus d informations ou téléchargement du logiciel : http://www.r-project.org/ 4.1.2. Scilab et Mixmod : Scilab est un langage et une infrastructure spécialisés pour les traitements mathématiques numériques et la modélisation. Scilab est un projet de l'inria et de l'ecole Nationale des Ponts et Chaussées. Sa licence autorise une utilisation gratuite ainsi que la modification des sources. Scilab supporte un spectre très large d'applications, et de nombreuses contributions sont opérationnelles sur cette plate-forme. Mixmod est une contribution de l'inria, du Laboratoire de Mathématique de Besançon et du Laboratoire Heudiasys de Compiègne qui fonctionne sur Scilab. Mixmod propose des fonctionnalités de clustering (analyse discriminante et maximum de vraisemblance). Mixmod est relativement simple d'utilisation et s'avère adapté pour un volume raisonnable de données. Pour plus d informations ou téléchargement du Scilab : http://www-rocq.inria.fr/scilab/ Pour plus d informations ou téléchargement Mixmod : http://www-math.univ-fcomte.fr/mixmod/index.php Enseignant : M. DIDAY 4
4.1.3. Autoclass-c : C est un logiciel spécialisé notamment dans le Clustering (analyse discriminante et maximum de vraisemblance). Développé par un laboratoire de la NASA et disponible dans le domaine publique. Outil performant écrit en C qui n'a plus évolué depuis le milieu 2002. 4.2. Les autres outils et logiciels Datamining 4.2.1. SAS : La solution logicielle intégrée SAS est un outil très puissant. Il permet des analyses rapides sur de très grosses bases de données. Il est très convivial : il dispose d'une interface composée d'icônes et de flèches permettant une visualisation générale de la totalité du projet. Il est aussi très complet : Il dispose d'une grande richesse analytique et permet aussi l'intégration de toutes les méthodes statistiques. 4.2.2. SPAD : Créé en 1985 dans sa version Dos, SPAD est le logiciel français pionnier dans les analyses exploratoires et le Datamining. Connu et reconnu pour sa convivialité et son efficacité, il possède les principales techniques statistiques liées au Datamining : - Description automatique des variables ; - Analyse exploratoire multidimensionnelle (ACP, AFC, ACM et Classifications) ; - Réseaux de neurones ; - Analyse discriminante ; - Segmentation ; - Etc. 4.2.3. XLSTAT : Addinsoft est l'éditeur d'xlstat. XLSTAT est un logiciel implémentant dans Microsoft Excel des fonctionnalités d'analyse de données et de statistiques. Le module central, XLSTAT-Pro, comprend plus de 40 outils d'analyse de données et de statistiques. Des modules avancés sont également disponibles ou en cours de développement (tableaux croisés dynamiques, séries chronologiques). 4.2.4. Clementine : Clementine, l'atelier de Datamining, est un outil SPSS. Il accompagne l'entreprise dans la gestion de sa relation client. Enseignant : M. DIDAY 5
Clementine intègre l'ensemble des techniques statistiques pour la valorisation et la modélisation des données : - Arbres de décision ; - Statistiques ; - Règles d associations ; - Etc. Son interface visuelle et intelligente facilite le processus de Datamining et permet à l'utilisateur d'exploiter pleinement ses connaissances métier. Solution globale d'entreprise, Clementine permet le déploiement des modèles créés à chaque acteur de l'entreprise. 4.2.5. Set Analyser : Business Objects propose un outil d'analyse des données issues de l'e-business et du CRM : Le logiciel Set Analyser. Set Analyzer s'appuie sur les fonctionnalités d'interrogation, de reporting et d'analyse multidimensionnelle OLAP de Business Objects et de Web Intelligence. Cette liste n est pas exhaustive, d autres logiciels et outils existent et qui sont aussi performants et très utilisés, tels que : - Oracle ; - IBM ; - CART ; - Etc. 4.3. SODAS (Symbolic Official Data Analysis System) SODAS est un logiciel issu d un projet, appelé aussi SODAS, de EUROSTAT. Ce logiciel répond aux principales qualités d'un outil de Datamining. C est un projet à vocation européenne. Le projet regroupait donc plusieurs laboratoires et centres de différents pays européens. On peut citer : - CISIA : Paris ; - DIB-UNIBA : Bari ; - DMS : Naples ; - INRIA : Paris ; - LEAD : Lisbonne ; - LISE-DAUPHINE : Paris ; - Etc. Deux versions sont actuellement disponibles sur le site : http://www.ceremade.dauphine.fr/~touati/sodas-pagegarde.htm Enseignant : M. DIDAY 6
- La version 1.2 - La version 2.5 Ce logiciel est destiné à des utilisateurs "métier" sans compétences statistiques ou informatiques particulières. En effet son ergonomie, sa convivialité, et la facilité pour sa mise en oeuvre et d'interprétation le rendent accessible à des utilisateurs non statisticiens. Malgré la simplicité du logiciel, il n est néanmoins pas un outil se résumant à de simples "clicks ", il permet à l utilisateur les possibilités de saisir ses propres paramètres. Les résultats fournis par l'outil sont clairs et compréhensibles : ils ne contiennent pas trop de termes techniques et statistiques par exemple. SODAS est un logiciel permettant l analyse des données symboliques. L objectif principal de SODAS est d expliquer un ensemble de concepts définis dans la base de données. En effet, à partir de l ensemble des variables expliquant les individus de la base de données, on construit des concepts. Les concepts peuvent être définis comme étant des substances secondes (second ordre), contrairement au variables qui sont définis comme des substances premier (principal). Parmi les exemples qu on peut citer pour les concepts : - Catégorie socioprofessionnelle ; - Buts marqués ; - Etc. Ce sont donc des variables qualitatives, qui peuvent être définis dans des intervalles Un concept est défini par : Son intension : Ensembles de propriétés du concept ; Son extension : Ensembles des individus qui satisfaisant ses propriétés. Pour l analyse des données dans SODAS, il faut suivre un ensemble d étapes : o Construire une base de données relationnelle (ORACLE, ACCESS, etc.) o Définir un contexte : des unités statistiques de premier niveau (habitants, familles, entreprises, etc.) ; des variables qui les décrivent ; des concepts (villes, groupes socio-économiques, scénario d'accident,...). Chaque unité statistique de premier niveau est associée à un concept (par exemple, chaque habitant est associé à sa ville). Ce contexte est défini par une requête de la base. On construit alors un tableau de données symboliques dont les nouvelles unités statistiques sont les concepts décrits par généralisation des propriétés des unités statistiques de premier niveau qui leur sont associés. Ainsi, chaque concept est décrit par des variables dont les valeurs peuvent être des histogrammes, des intervalles, des valeurs uniques (éventuellement munies de règles et de taxonomies) etc., selon le type de variables et le choix de l'utilisateur. Enseignant : M. DIDAY 7
Parmi les fonctionnalités du logiciel SODAS : analyser les données symboliques sous forme d histogrammes, d étoiles les comparer par des calculs de dissimilarité les classifier donner une représentation graphique et une description symbolique des classes obtenues Elaborer une hiérarchie divisive, une hiérarchie ou pyramide ascendante de concepts donner une représentation graphique plane des classes (ACP ) discriminer les classes (analyse factorielle discriminante, arbres de décision)... Ainsi, le logiciel SODAS peut se résumer par le schéma figure ci-dessous : Avantages de l analyse de données symboliques : L analyse des données symboliques offre certains avantages par rapport aux approches classiques. Enseignant : M. DIDAY 8
D abord, elle peut s appliquer à des données complexes. En effet, elle part de donnés symboliques (histogrammes, intervalle ) munies de règles et de taxonomies et fournit en sortie des connaissances nouvelles sous formes d objets symboliques. De plus, elle utilise des outils adaptés à la manipulation d objets symboliques de généralisation et spécialisation, d ordre et de treillis, de calculs d extension, d intension et de mesures de ressemblances ou d adéquation tenant compte des connaissances sousjacentes basées sur les règles et taxonomies. Ce type d analyse fournit des représentations graphiques exprimant entre autres la variation interne des descriptions symboliques. Rappelons qu en analyse factorielle, un objet symbolique sera représenté par une zone et pas seulement par un point. L interface utilisateur : Une nouvelle version de SODAS est actuellement disponible. En effet, avant il existait la version 1.2 de SODAS. Maintenant une nouvelle version 2.5 est disponible. Pour les deux versions de SODAS, la fenêtre principale se compose de 3 éléments principaux. Version 1.2 : 1. La barre d outils de la fenêtre principale comporte 5 menus. 2. La fenêtre Methods de la fenêtre principale propose, par groupe, les différentes méthodes disponibles. 3. La fenêtre Chaining de la fenêtre principale gère l enchaînement des méthodes appliquées à la base choisie. Enseignant : M. DIDAY 9
Version 2.5 : 1. La barre d outils de la fenêtre principale comporte 5 menus. 2. La fenêtre Methods de la fenêtre principale propose, par groupe, les différentes méthodes disponibles. 3. La fenêtre Chaining de la fenêtre principale gère l enchaînement des méthodes appliquées à la base choisie. On peut constater qu il y a un changement au niveau des icônes et de la présentation. Par exemple, dans la fenêtre Methods, les différentes techniques statistiques sont maintenant regroupées par méthode. Et on peut choisir la méthode dans le menu déroulant Enseignant : M. DIDAY 10
Afin d analyser les données de la base, nous devons enrichir la filière définie précédemment grâce à des méthodes (Methods). Nous pouvons, soit utiliser les filières prédéfinies, (Model/Predefined chaining) soit composer nous même une filière en enchaînant des méthodes issues de la fenêtre Methods. Pour insérer de nouvelles méthodes, il suffit de cliquer sur Insert Method dans le menu Method du Chaining. Un carré vide apparaît alors sous l icône BASE ; il faut alors sélectionner la méthode à appliquer, dans la fenêtre Methods et la faire glisser jusqu à l emplacement vide. Les méthodes constituant maintenant la filière sont affichées à la suite de l icône BASE, selon l ordre défini par l utilisateur, dans lequel elles vont s enchaîner. Chaque méthode est représentée par une icône à gauche de laquelle se trouve son nom ainsi qu une description sommaire. La couleur de l icône de la méthode renseigne sur son état : - Gris : la méthode n est pas encore paramétrée ; - Rouge : la méthode est paramétrée. Il va de soit que les méthodes qui viennent d être insérées sont grisées. Chaque méthode est numérotée dans la filière : ce numéro apparaît dans une petite boîte située à gauche de la méthode. Une fois encore la couleur nous renseigne, elle indique le statut de la méthode : 1. Gris : la méthode ne peut être exécutée car elle n est pas paramétrée ; 2. Vert : la méthode est exécutable car elle est paramétrée ; 3. Rouge : la méthode est désactivée. Elle est exécutable mais l utilisateur en interdit l exécution (menu Methods puis Desactive method). Par la suite, nous devons paramétrer la méthode. Pour cela, il suffit de double-cliquer sur l icône de la méthode. Une fenêtre structurée en fiches à onglets s ouvre : elle regroupe l ensemble des différents paramètres de la méthode. Une fois les méthodes paramétrées, l affichage de la filière change : toutes les méthodes sont maintenant exécutables (les icônes sont rouges). Toute exécution d une filière doit être obligatoirement précédée de sa sauvegarde (menu Chaining puis Save chaining as et saisie d un nom dont l extension est.fil). Une fois cette opération effectuée, la filière est exécutée en cliquant sur le sous-menu Run chaining du menu chaining. Enseignant : M. DIDAY 11
II. Problématique 1. Contexte Notre analyse est orientée sport professionnel. En effet, nous allons faire une analyse sur des données concernant le basket-ball professionnel : NBA. Durant cette analyse, nous allons essayer de définir les critères pertinents permettant d avoir les meilleures équipes (les mieux classées) NBA. Nous allons donc explorer selon certaines techniques et méthodes (les plus pertinentes) d analyses existantes dans SODAS pour arriver à cette fin. Nos données sont organisées, comme il sera expliqué plus en détail dans le point qui suit, selon une structure permettant cette analyse : - Joueur ; - Equipe ; - Pays ; - Etc. Chacune d entre elles est composée d un ensemble de variables permettant une exploration intéressante et optimale des données. Sources : Les sources de nos enregistrements sont, majoritairement, deux sites : www.sports.fr (rubriques Basket-ball) www.nba.com A noter que pour certaines données (âge, taille, ) qu on n a pas trouvé sur ces sites pour certains joueurs, nous avons donc fais une recherche à travers les moteurs de recherche (Yahoo, google, ). Enseignant : M. DIDAY 12
2. Description de la base de données 2.1. Le schéma relationnel Le schéma relationnel de notre base de données est le suivant : Remarque : comme notre analyse concerne les équipes NBA, qui sont des équipes américaines, nous avons jugé raisonnable de garder les termes en anglais. Les noms des tables et des attributs (variables) sont en anglais. Ces données seront traduites pendant leur explication dans le point qui suit (2.2) de ce chapitre. 2.2. Description des variables Voici une description de l ensemble des variables (attributs) de chacune des tables de notre base de données : La table Player : C est la table Joueur. Champs PlayerID CountryNo PlayerName TeamName Age Jersey Description Identifiant du joueur (clé primaire) Identifiant Pays (clé étrangère) Nom du joueur Nom de l équipe Age du joueur Numéro du maillot Enseignant : M. DIDAY 13
Wage(M ) Points Position Height Weight La table Team : C est la table Equipe. Champs TeamNo TeamName Foundation President CoachNo ArenaNo MascotNo Nb_games Nb_games_won Nb_games_lost Standing Standing_type PointsM PointsC La table Country : C est la table Pays. Champs CountryNo Country Continent Salaire (revenu) en millions d euros Le nombre de points marqués par le joueur La position du joueur dans le terrain (attaque, rebond, centre) Taille du joueur en centimètre Poids du joueur en kilogrammes Description Identifiant équipe (clé primaire) Nom équipe Année de fondation de l équipe Le président de l équipe (club) Identifiant entraîneur (clé étrangère) Identifiant stade de l équipe (clé étrangère) Identifiant drapeau de l équipe (clé étrangère) Nombre de matchs joués Nombre de matchs gagnés Nombre de matchs perdus Classement Type classement (bon, moyen, mauvais) Points marqués par l équipe Points encaissés par l équipe Description Identifiant pays (clé primaire) Nom pays Nom continent Enseignant : M. DIDAY 14
La table Coach : C est la table Entraîneur. Champs CoachNo CoachName CoachAge CoachNationality La table Arena : C est la table Stade. Champs ArenaNo ArenaName Capacity LocationNo Foundation Description Identifiant entraîneur (clé primaire) Nom de l entraîneur Age de l entraîneur Nationalité de l entraîneur Description Identifiant du stade (clé primaire) Nom du stade Capacité du stade Identifiant location (clé étrangère) Année de fondation du stade La table Location : C est la table Location. Champs LocationNo LocationName LocationPopulation La table Mascot : C est la table Drapeau. Champs MascotNo MascotName MascotSpecies MascotColor Description Identifiant location (clé étrangère) Nom location (Etat/ville) Nombre habitants dans la ville Description Identifiant Drapeau (clé primaire) Nom du drapeau Description du drapeau Couleur du drapeau Enseignant : M. DIDAY 15
3. Choix des individus et concepts L objectif de cette étude est d analyser le profil des équipes participant au championnat NBA. Elle permettra de mieux connaître les particularités des équipes les mieux classées, et les dissimilarités par rapport à celles en fin du classement. Les individus c est à dire l unité statistique de premier ordre de cette étude sont les joueurs, qui sont au nombre de 145 à participer au championnat NBA. Les concepts sont donc les équipes, et elles sont au nombre de 29 dans notre base de données "NBA.mdb". 4. Les requêtes définissants les concepts Dans ce point, nous allons présenter la liste des requêtes définies dans la base de données Access, et qui vont être appelées dans le module DB2SO de SODAS pour l analyse. Trois requêtes sont nécessaires pour notre analyse : 1. La requête "Principale" ; 2. La requête "AddSingle" ; 3. La requête "AddTaxo". Chacune de ces requêtes sera expliquée et présentée sous format SQL (comme dans Access) ; ci-dessous. 4.1. La requête Principale Cette première requête renvoie les individus du premier ordre et leur description. Elle permet ainsi d extraire de la base de données : 1. Les individus ; 2. Les concepts ; 3. Les caractéristiques des individus. Voici, en SQL, cette requête : SELECT Player.Playername, Team.TeamName, Player.Age, Player.Height, Player.Weight, Player.[Wage (M )], Player.Points, Player.Position, Country.Country, Country.Continent FROM Team INNER JOIN (Country INNER JOIN PlayerON Country.CountryNo = Player.CountryNo) ON Team.TeamName = Player.Teamname; 4.2. La requête addsingle Cette deuxième requête renvoie les concepts avec la liste des variables les expliquant. Elle permet donc d ajouter des variables pour les concepts. Enseignant : M. DIDAY 16
Voici, en SQL, cette requête : SELECT Team.TeamName, Team.Foundation, Team.Nb_games, Team.Nb_games_won, Team.Nb_games_lost, Team.Standing, Team.Standing_type, Team.PointsM, Team.PointsC FROM Team; 4.3. La requête Taxonomie Cette requête permet de faire la taxonomie entre le pays d origine du joueur et le continent auquel appartient ce pays. Voici, en SQL, cette requête : SELECT Country, Continent FROM Country; Enseignant : M. DIDAY 17
III. Utilisation du module DB2SO sous SODAS DB2SO est le module de SODAS qui permet d extraire les individus de la base de données vers SODAS en créant les concepts correspondants pour chaque groupe de ces individus. DB2SO se base essentiellement pour cela sur la requête «Principale» (précédemment présentée). 1. Création de la connexion Sous SOSAS, on choisit d importer avec DB2SO sous le menu Import de Sodas File : Cela nous permettra d importer la base de données Access sous Sodas. Ensuite, sous DB2SO il faut choisir comme source de données le Driver Ms Access : Enseignant : M. DIDAY 18
Après, on choisit la base de données "nba.mdb" : 2. Exécution des requêtes Maintenant que la base de données est sélectionnée sous le module DB2SO, il faut exécuter les requêtes pré-établies sous MS Access : Principale, AddSingle, et AssTaxo. Tout d abord, on commence par l exécution de la première requête permettant d extraire les individus. C est la requête Principale : Enseignant : M. DIDAY 19
Comme on peut le constater,et contrairement à l ancienne version de SODAS, la nouvelle version permet d exécuter les requêtes en sélectionnant tout simplement la requête désirée et en cliquant sur OK. Rappel : La requête exécutée suite à cette procédure est : Select * From Principale Le résultat de l exécution de cette requête est le suivant : On peut constater que SODAS a importé 8 variables, dont 3 qualitatives (Position, Country, Continent), et 5 quantitatives (Age, Height, Weight, Wage (M ), Points). Les 29 assertions (concepts), qui sont les équipes, ont bien été importées par SODAS. La deuxième requête qui va être exécutée est la requête AddSingle. Cette requête permet d ajouter des colonnes de description du concept dans SODAS. Voici l exécution de cette requête : On choisit "Add single-valued variables" dans le menu Modify de DB2SO: Enseignant : M. DIDAY 20
Après, on définit la requête : La requête exécutée, suite à cette procédure, est la suivante : Select * From AddSingle Le résultat de cette requête est le suivant : On peut constater que les sept variables relatives aux concepts (Foundation, Nb_games, Nb_games_won, Nb_games_lost, Standing, PointsM, PointsC) ont bien été ajoutées. La dernière requête à exécuter est AddTaxo. Cette requête permettra d établir le lien entre le continent et le pays de chaque joueur. Elle sera utile à SODAS. Enseignant : M. DIDAY 21
La procédure de l exécution de la requête est la suivante : Dans le menu Modify de DB2SO, choisir Create a Taxonomy : Il faut choisir après la requête AddTaxo. Et dans la variable on choisit la variable Country : La requête exécutée, suite à cette procédure, est la suivante : Select * From AddTaxo Enseignant : M. DIDAY 22
Le résultat de cette requête est le suivant : On peut constater que les 13 nœuds (pays) ont été pris en compte par SODAS. En faisant un view de la taxonomie, on a la fenêtre, comme montré ci-dessus, présentant la structure de la taxonomie. Maintenant, le fichier est prêt pour être exploité sous SODAS. Il faut l enregistrer et l exporter. C est ce qu on va voir dans le point qui suit. 3. Enregistrement du fichier SODAS Après avoir enregistré le fichier, dans lequel les requêtes ont été exécutées, on doit l exporter sous format SODAS pour qu il soit exploité dans SODAS. Pour cela, on fait Export sous le menu File de SODAS : Le logiciel SODAS nous propose de nommer le fichier Enseignant : M. DIDAY 23
IV. Utilisation des méthodes de SODAS pour l analyse des données Sous SODAS, dans la fenêtre Chaining on double click sur BASE pour choisir le fichier SODAS exporté et enregistré au préalable : Ensuite, pour chaque méthode, il suffit de cliquer avec le bouton droit sur la base dans la partie Chaining et faire Insert Method pour insérer une méthode d analyse. Ensuite, il suffit de glisser la méthode depuis la fenêtre Methods dans le Chaining. Par exemple, pour la méthode View, voici sa représentation : Ensuite, il faut définir les paramètres de la méthode, et l exécuter. 1. La méthode VIEW (SOE dans l ancienne version) : 1.1. Présentation de la méthode VIEW : La méthode VIEW permet à un utilisateur à partir d un fichier SODAS, de sélectionner les objets symboliques avec la liste des variables qualitatives et quantitatives correspondantes qu il veut analyser, il peut ensuite les visualiser sur un tableau croisé ou sous forme de graphiques 2D ou 3D (étoile Zoom). Enseignant : M. DIDAY 24
Ces visualisations graphiques existent en deux modes. En effet il est possible d afficher un graphe par concept ou d afficher l ensemble des concepts dans le même graphe afin de faciliter leur comparaison. Dans le cadre de notre étude, nous avons jugé intéressant pour notre analyse de retenir deux équipes en haut du classement, une au milieu et deux en bas du classement. Cela nous permettra de connaître et découvrir les critères permettant d avoir les meilleures équipes en NBA. 1.2. Application de la méthode VIEW On choisit les paramètres de la méthode : Variable et objets symboliques. Ceci en cliquant avec le bouton droit sur la méthode insérée dans la fenêtre Chaining ou en double cliquant sur la méthode. Ensuite, on exécute la méthode (bouton droit puis execute Method ou click sur F5) pour obtenir le fichier exécuté. Voici un écran après représentant la fenêtre Chaining après l exécution : Remarques : Comme vous pouvez le constater, ici pour la méthode DSTAT, par la suite il suffit de refaire la même procédure comme pour VIEW pour insérer n importe quelle méthode et l exécuter. C est ce qui permet de construire un Chaining (un enchaînement de méthode) qu on peut exécuter en une seule fois ou bien méthode par méthode. A droite de view, on peut voir deux icônes : - La première sous forme de fichier : le fichier d exécution ; - La deuxième sous forme d écran : les résultats de l exécution. Il suffit après de cliquer sur l icône rouge pour avoir le résultat. Au début, un tableau représentant les données obtenues est affiché. Il a la forme suivante : Enseignant : M. DIDAY 25