Data Mining: praktische Werkzeuge und Techniken für das maschinelle Lernen

Medientyp: Buch

Titel: Data Mining : praktische Werkzeuge und Techniken für das maschinelle Lernen

Werktitel: Data mining - practical machine learning tools and techniques with Java implementations <dt.>
Witten, Ian H.: Data mining - practical machine learning tools and techniques with Java implementations <dt.>
Witten, Ian H.: Data Mining <dt.>

Enthält: Literaturverz. S. [369] - 379

Beteiligte: Witten, Ian H. [VerfasserIn]; Frank, Eibe [VerfasserIn]

Erschienen: München; Wien: Hanser, 2001

Umfang: XIX, 386 S; graph. Darst; 24 cm

Sprache: Deutsch; Englisch

ISBN: 3446215336

RVK-Notation: ST 285 : Computer supported cooperative work (CSCW), Groupware
QH 500 : Wirtschaftsinformatik. Datenverarbeitung. Allgemeines
QP 345 : Informationswesen. Informationssysteme
ST 270 : Datenbanken, Datenbanksysteme, Data base management, Informationssysteme. Allgemein
ST 530 : Data-warehouse-Konzept; Data mining

Schlagwörter: Data Mining
Data Mining

Entstehung:

Anmerkungen:

Beschreibung: Rezension: C. Beierle ist in seinem kürzlich erschienenen Buch über Methoden wissensbasierter Systeme (ID 24/01) kurz auf Data Mining eingegangen. Data Mining ist das Extrahieren von impliziten, noch unbekannten und potenziell nützlichen Informationen aus Rohdaten. Das vorliegende Buch beschäftigt sich speziell mit Data Mining und erweitert C. Beierle um interessante Anwendungsaspekte in realistischen Situationen. Die Autoren beschreiben, wie Werkzeuge und Techniken des maschinellen Lernens eingesetzt werden, damit Computer Datenbanken automatisch nach Gesetzmäßigkeiten und Mustern durchsuchen und einen Abstraktionsprozess durchführen, der als Ergebnis aussagekräftige Informationen liefert. Die Autoren stellen verschiedene Techniken vor, die in ihrer Stärke und Praktikabilität miteinander verglichen werden. Leser, die mit eigenen Daten experimentieren wollen, werden auf das Download einer in Java geschriebenen Software-Utility Weka (Waikato Environment for Knowledge Analysis) verwiesen. Herausgearbeitet wird, wie Eingaben richtig vorbereitet und Ergebnisse richtig bewertet werden. (3) (Klaus Barckow)

Data Mining : praktische Werkzeuge und Techniken für das maschinelle Lernen

Merkliste

Exemplare

Bestand der TU Dresden

Bereichsbibliothek DrePunct

Nur in Feld suchen:

Zuletzt gesuchte Begriffe:

Bestand der TU Dresden

Bereichsbibliothek DrePunct