Knowledge Discovery in Databases Techniken und Anwendungen [Paperback]

1.1 Grundbegriffe des Knowledge Discovery in Databases.- 1.2 Typische KDD-Anwendungen.- 1.3 Inhalt und Aufbau dieses Buches.- 1.4 Literatur.- Grundlagen.- 2.1 Datenbanksysteme.- 2.2 Statistik.- 2.3 Literatur.- Clustering.- 3.1 Einleitung.- 3.2 Partitionierende Verfahren.- 3.3 Hierarchische Verfahren.- 3.4 Datenbanktechniken zur Leistungssteigerung.- 3.5 Besondere Anforderungen und Verfahren.- 3.6 Zusammenfassung.- 3.7 Literatur.- Klassifikation.- 4.1 Einleitung.- 4.2 Bayes-Klassifikatoren.- 4.3 N?chste-Nachbarn-Klassifikatoren.- 4.4 Entscheidungsbaum-Klassifikatoren.- 4.5 Skalierung f?r gro?e Datenbanken.- 4.6 Zusammenfassung.- 4.7 Literatur.- Assoziationsregeln.- 5.1 Einleitung.- 5.2 Einfache Assoziationsregeln: Der Apriori-Algorithmus.- 5.3 Hierarchische Assoziationsregeln bez?glich Item-Taxonomien.- 5.4 Quantitative Assoziationsregeln.- 5.5 Zusammenfassung.- 5.6 Literatur.- Generalisierung.- 6.1 Einleitung.- 6.2 Data Cubes.- 6.3 Effiziente Anfragebearbeitung in Data Cubes.- 6.4 Attributorientierte Induktion.- 6.5 Inkrementelle attributorientierte Induktion.- 6.6 Zusammenfassung.- 6.7 Literatur.- Besondere Datentypen und Anwendungen.- 7.1 Temporal Data Mining.- 7.2 Spatial Data Mining.- 7.3 Text-und Web-Mining.- 7.4 Literatur.- Andere Paradigmen.- 8.1 Induktive Logik-Programmierung.- 8.2 Genetische Algorithmen.- 8.3 Neuronale Netze.- 8.4 Selbstorganisierende Karten (Kohonen Maps).- 8.5 Literatur.Knowledge Discovery in Databases (KDD) ist ein aktuelles Forschungs- und Anwendungsgebiet der Informatik. Ziel des KDD ist es, selbst?ndig entscheidungsrelevante, aber bisher unbekannte Zusammenh?nge und Verkn?pfungen in den Daten gro?er Datenmengen zu entdecken und dem Analysten oder dem Anwender in ?bersichtlicher Form zu pr?sentieren. Die Autoren stellen die Techniken und Anwendungen dieses interdisziplin?ren Gebiets anschaulich dar.Motivierende, fundierte Darstellung
Erstes Lehrbuch zu diesem Gebiet
Instruktive Abbildungen, pr?zise Algorithmen