X
  GO
Ihre Mediensuche
Suche
Zweigstelle
Medienart


1 von 17
Data Mining
Methoden und Algorithmen intelligenter Datenanalyse ; mit 7 Tabellen
VerfasserIn: Runkler, Thomas A.
Verfasserangabe: Thomas A. Runkler
Jahr: 2010
Verlag: Wiesbaden, Vieweg + Teubner
Mediengruppe: Buch
verfügbar (wo?)verfügbar (wo?)
Exemplare
 ZweigstelleStandorteStatusFristVorbestellungen
 Vorbestellen Zweigstelle: 07., Urban-Loritz-Pl. 2a Standorte: NT.EIA Run / College 6c - Informatik & Computer Status: Verfügbar Frist: Vorbestellungen: 0
Inhalt
Solides Grundverständnis für Motivation und Eigenschaften der verschiedenen Data Mining Methoden
Dieses Buch behandelt die wichtigsten Methoden zur Erkennung und Extraktion von "Wissen" aus numerischen und nichtnumerischen Datenbanken in Technik und Wirtschaft. Es vermittelt einen kompakten, fundierten Überblick über die verschiedenen Methoden sowie deren Motivation und versetzt den Leser in die Lage, Data Mining selbst praktisch einzusetzen.
Der Inhalt:
Der Data-Mining-Prozess - Daten und Relationen - Datenvorverarbeitung - Visualisierung - Korrelation - Regression - Zeitreihenprognose - Klassifikation - Clustering
Content Level " Upper undergraduate
Stichwörter " Clustering - Data Mining - Datenanalyse - Fuzzy-Logic - Klassifikation - Prognose - maschinelles Lernen - neuronale Netze
Quelle: Verlagstext
 
 
 
 
 
 
/ AUS DEM INHALT: / / /
 
 
 
Inhaltsverzeichnis:
 
1 Data-Mining-Prozess 1
2 Daten und Relationen 5
2.1 Beispiel 5
2.2 Maßskalen 7
2.3 Matrixdarstellung 9
2.4 Relationen 10
2.5 Unähnlichkeitsmaße 10
2.6 Ähnlichkeitsmaße 12
2.7 Sequenz- und Textrelationen 14
2.8 Abtastung und Quantisierung 17
3 Datenvorverarbeitung 21
3.1 Fehlerarten 21
3.2 Filterung 26
3.3 Standardisierung 31
3.4 Datenkonsolidierung 34
4 Visualisierung 35
4.1 Diagramme 35
4.2 Hauptachsentransformation 37
4.3 Mehrdimensionale Skalierung 41
4.4 Histogramme 47
4.5 Spektralanalyse 50
5 Korrelation 55
5.1 Lineare Korrelation 55
5.2 Chi-Quadrat-Unabhängigkeitstest 61
6 Regression 65
6.1 Lineare Regression 65
6.2 Neuronale Netze 69
6.3 Radiale Basisfunktionen 75
6.4 Training und Validierung 76
6.5 Merkmalsselektion 79
7 Zeitreihenprognose 81
8 Klassifikation 85
8.1 Naiver Bayes-Klassifikator 89
8.2 Lineare Diskriminanzanalyse 91
8.3 Support-Vektor-Maschine 93
8.4 Nächster Nachbar Klassifikator 96
8.5 Lernende Vektorquantisierung 96
8.6 Entscheidungsbäume 99
9 Clustering 105
9.1 Sequentielles Clustering 106
9.2 Prototypbasiertes Clustering 109
9.3 Fuzzy Clustering Ill
9.4 Relationales Clustering 117
9.5 Clustervalidität und -tendenz 122
9.6 Hierarchisches Clustering 124
9.7 Selbstorganisierende Karte 126
9.8 Regelerzeugung 128
10 Zusammenfassung 135
Übungsaufgaben 141
Symbolverzeichnis 145
Literaturverzeichnis 147
Sachwortverzeichnis 157
 
 
 
Details
VerfasserIn: Runkler, Thomas A.
VerfasserInnenangabe: Thomas A. Runkler
Jahr: 2010
Verlag: Wiesbaden, Vieweg + Teubner
Systematik: NT.EIA
ISBN: 978-3-8348-0858-5
2. ISBN: 3-8348-0858-X
Beschreibung: 1. Aufl., VIII, 165 S. : graph. Darst.
Sprache: ger
Fußnote: Literaturverz. S. 147 - 156
Mediengruppe: Buch