JY Tigli Homepages

Jean-Yves Tigli - Nov 1016

AlgLib est une bibliothèque de traitement et d'analyse de données numériques multi-plateformes. Il prend en charge plusieurs langages de programmation ( C ++ , C # , Pascal, VBA) et plusieurs systèmes d'exploitation (Windows, Linux, Solaris). AlgLib fournit les fonctionalités suivantes:

• L'analyse des données (classification / régression, y compris des réseaux de neurones)
• Optimisation et solveurs non linéaires
• Interpolation linéaire et non linéaire par la méthode des moindre carrés
• Outils d'algèbre linéaire (algorithmes directs, EVD / SVD), solveurs directs et itératifs linéaires, transformée de Fourier rapide
• et de nombreux autres algorithmes (intégration numérique, ODEs , statistiques, fonctions spéciales)

Vous trouverez les manuel de référence sur ce site, en particulier celui d'AlgLib sous C#.

L'édition gratuite d'AlgLib est destiné aux scientifiques, chercheurs et ingénieurs qui ne veulent pas acheter la licence commerciale. Elle est livré gratuitement sous les termes de la licence GPL. Elle offre un ensemble complet de fonctionnalités identiques à l'édition commerciale de AlgLib. Cependant, il y a deux limites importantes dans l'édition gratuite de ALGLIB :

• Les performances, sachant que la version gratuite d'AlgLib n'est pas Multi-threads
• La licence, étant donné que sous licence GPL tout code que vous pourriez développer est lui-même GPL

Le site de la librairie AlgLib est www.alglib.net

Vous trouverez entre autre sur le site une distribution gratuite pour C# : alglib-3.10.0.csharp.gpl.

Comme indiqué ci-dessus, AlgLib fournit des librairies pour l'analyse de données. La liste et le manuel se trouvent sur ce site.

Un grand nombre d'algorithmes sont déjà implémentés comme :

• Basic dataset functions
• Clustering functions (hierarchical, k-means, k-means++)
• Backward compatibility functions
• Decision forest classifier (regression model)
• Different filters used in data analysis
• Linear discriminant analysis
• Linear models
• Logit models
• Markov Chains for Population/proportional Data
• Basic functions for neural networks
• Basic functions for neural ensemble models
• Neural network training
• Principal component analysis

Vous y trouverez très probablement un algorithme adapté à l'analyse souhaitée des données collectées dans votre projet.

Sans anticiper sur votre choix, nous allons présenter ici quelques exemples de mise en oeuvre d'AlgLib pour l'analyse de données.

L'algorithme du K-means ou K-Moyennes en français est particulièrement simple et pourtant assez performant pour certains problème de classification de données (ou clustering en anglais).