Dieses Lehrbuch behandelt die wichtigsten Methoden zur Erkennung und Extraktion von Wissen aus numerischen und nicht-numerischen Datenbanken in Technik und Wirtschaft. Der Autor vermittelt einen kompakten und zugleich fundierten ?berblick ?ber die verschiedenen Methoden sowie deren Zielsetzungen und Eigenschaften. Dadurch werden Leser bef?higt, Data Mining eigenst?ndig anzuwenden.
Daten und Relationen - Datenvorverarbeitung - Datenvisualisierung - Korrelation -?Regression -?Prognose -?Klassifikation -?Clustering
... Im Anhang befinden sich eine ?bersicht ?ber Optimierungsverfahren, L?sungen der ?bungsaufgaben und ein Sachverzeichnis. Die Beispiele sind gut gew?hlt und verst?ndlich. Grundlegende Mathematikkenntnisse werden allerdings vorausgesetzt, erweiterte sind von Vorteil. Der Band kann sowohl Studierenden der Informatik und verwandter Gebiete als auch in der Praxis Stehenden als fundierte ?bersicht empfohlen werden. (in: thalia.de, 17. August 2016)
Runkler [der Autor] ist ein gutes ?berblickswerk gelungen, das eine enzyklop?dieartige Einf?hrung f?r eine mathematisch interessierte Leserschaft bietet. www.wirtschaftsinformatik.de, 03.05.2011?bersichtlich und umfassend
Thomas A. Runkler ist Principal Research Scientist der Siemens AG in M?nchen und lehrt Data Mining an der Fakult?t f?r Informatik der Technischen Universit?t M?nchen.
Data Mining
Die wichtigsten Methoden zur Erkennung und Extraktion von Wissen aus numerischen und nichtnumerischen Datenbanken in Technik und Wirtschaft werden in diesem Buch behandelt. Es vermittelt einen kompakten, fundierten ?berblick ?ber die verschiedenen Methoden sowie deren Motivation und versetzt den Leser in die Lage, Data Mining selbst praktisch einzusetzen.
?
Der Inhalt
Daten und Relationen
DatenlÓ»
![Data Mining Modelle und Algorithmen intelligenter Datenanalyse [Paperback]](/itemImage/2/6/8/6/2_1701293.jpg)