Qu’il s’agisse de classification supervisée ou non supervisée, la représentation des données a une influence majeure sur les algorithmes de classification. Le choix de la représentation des données, et donc des descripteurs utilisés, est une étape cruciale pour l’étude d’un phénomène, mais qui est cependant souvent négligée.  Deux méthodes de transformation de données, appliqués à deux problèmes différents seront présentés. La première est une méthode de pondération locale d’attributs pour la classification non supervisée, appliquée dans le cadre des image de télédétection hyperspectrales. La seconde est une méthode de réorganisation des éléments chimiques utilisée pour améliorer la prédiction de formation de composés par des méthodes supervisées.