Data Mining: Concepts and Techniques: Concepts and Techni... und über 1,5 Millionen weitere Bücher verfügbar für Amazon Kindle. Erfahren Sie mehr
  • Alle Preisangaben inkl. MwSt.
Nur noch 20 auf Lager (mehr ist unterwegs).
Verkauf und Versand durch Amazon.
Geschenkverpackung verfügbar.
Menge:1
Data Mining: Concepts and... ist in Ihrem Einkaufwagen hinzugefügt worden
Gebraucht: Gut | Details
Verkauft von Warehouse Deals
Zustand: Gebraucht: Gut
Kommentar: Verpackung ist beschädigt. Artikel kann geringfügige kosmetische Schäden haben, funktioniert aber noch wie vorgesehen. Amazon-Kundenservice und Rücknahmegarantie (bis zu 30 Tagen) bei jedem Kauf.
Ihren Artikel jetzt
eintauschen und
EUR 8,81 Gutschein erhalten.
Möchten Sie verkaufen?
Zur Rückseite klappen Zur Vorderseite klappen
Anhören Wird wiedergegeben... Angehalten   Sie hören eine Probe der Audible-Audioausgabe.
Weitere Informationen
Alle 2 Bilder anzeigen

Data Mining: Concepts and Techniques (Morgan Kaufmann Series in Data Management Systems) (Englisch) Gebundene Ausgabe – 26. August 2011


Alle 2 Formate und Ausgaben anzeigen Andere Formate und Ausgaben ausblenden
Amazon-Preis Neu ab Gebraucht ab
Kindle Edition
"Bitte wiederholen"
Gebundene Ausgabe
"Bitte wiederholen"
EUR 43,65
EUR 39,99 EUR 31,44
73 neu ab EUR 39,99 12 gebraucht ab EUR 31,44

Wird oft zusammen gekauft

Data Mining: Concepts and Techniques (Morgan Kaufmann Series in Data Management Systems) + Data Mining: Practical Machine Learning Tools and Techniques (Morgan Kaufmann Series in Data Management Systems) + Pattern Recognition and Machine Learning (Information Science and Statistics)
Preis für alle drei: EUR 172,17

Die ausgewählten Artikel zusammen kaufen
Jeder kann Kindle Bücher lesen — selbst ohne ein Kindle-Gerät — mit der KOSTENFREIEN Kindle App für Smartphones, Tablets und Computer.


Produktinformation

Leseprobe Jetzt reinlesen [602kb PDF]
  • Gebundene Ausgabe: 703 Seiten
  • Verlag: Elsevier Ltd, Oxford; Auflage: 3rd revised edition. (26. August 2011)
  • Sprache: Englisch
  • ISBN-10: 0123814790
  • ISBN-13: 978-0123814791
  • Größe und/oder Gewicht: 23,9 x 19,3 x 3,8 cm
  • Durchschnittliche Kundenbewertung: 4.3 von 5 Sternen  Alle Rezensionen anzeigen (3 Kundenrezensionen)
  • Amazon Bestseller-Rang: Nr. 15.536 in Fremdsprachige Bücher (Siehe Top 100 in Fremdsprachige Bücher)

Mehr über die Autoren

Entdecken Sie Bücher, lesen Sie über Autoren und mehr

Produktbeschreibungen

Pressestimmen

"[A] well-written textbook (2nd ed., 2006; 1st ed., 2001) on data mining or knowledge discovery. The text is supported by a strong outline. The authors preserve much of the introductory material, but add the latest techniques and developments in data mining, thus making this a comprehensive resource for both beginners and practitioners. The focus is data-all aspects. The presentation is broad, encyclopedic, and comprehensive, with ample references for interested readers to pursue in-depth research on any technique. Summing Up: Highly recommended. Upper-division undergraduates through professionals/practitioners."--CHOICE "This interesting and comprehensive introduction to data mining emphasizes the interest in multidimensional data mining--the integration of online analytical processing (OLAP) and data mining. Some chapters cover basic methods, and others focus on advanced techniques. The structure, along with the didactic presentation, makes the book suitable for both beginners and specialized readers."--ACM's Computing Reviews.com We are living in the data deluge age. The Data Mining: Concepts and Techniques shows us how to find useful knowledge in all that data. Thise 3rd editionThird Edition significantly expands the core chapters on data preprocessing, frequent pattern mining, classification, and clustering. The bookIt also comprehensively covers OLAP and outlier detection, and examines mining networks, complex data types, and important application areas. The book, with its companion website, would make a great textbook for analytics, data mining, and knowledge discovery courses.--Gregory Piatetsky, President, KDnuggets Jiawei, Micheline, and Jian give an encyclopaedic coverage of all the related methods, from the classic topics of clustering and classification, to database methods (association rules, data cubes) to more recent and advanced topics (SVD/PCA , wavelets, support vector machines).. Overall, it is an excellent book on classic and modern data mining methods alike, and it is ideal not only for teaching, but as a reference book.-From the foreword by Christos Faloutsos, Carnegie Mellon University "A very good textbook on data mining, this third edition reflects the changes that are occurring in the data mining field. It adds cited material from about 2006, a new section on visualization, and pattern mining with the more recent cluster methods. It's a well-written text, with all of the supporting materials an instructor is likely to want, including Web material support, extensive problem sets, and solution manuals. Though it serves as a data mining text, readers with little experience in the area will find it readable and enlightening. That being said, readers are expected to have some coding experience, as well as database design and statistics analysis knowledge.Two additional items are worthy of note: the text's bibliography is an excellent reference list for mining research; and the index is very complete, which makes it easy to locate information. Also, researchers and analysts from other disciplines--for example, epidemiologists, financial analysts, and psychometric researchers--may find the material very useful."--Computing Reviews "Han (engineering, U. of Illinois-Urbana-Champaign), Micheline Kamber, and Jian Pei (both computer science, Simon Fraser U., British Columbia) present a textbook for an advanced undergraduate or beginning graduate course introducing data mining. Students should have some background in statistics, database systems, and machine learning and some experience programming. Among the topics are getting to know the data, data warehousing and online analytical processing, data cube technology, cluster analysis, detecting outliers, and trends and research frontiers. Chapter-end exercises are included."--SciTech Book News "This book is an extensive and detailed guide to the principal ideas, techniques and technologies of data mining. The book is organised in 13 substantial chapters, each of which is essentially standalone, but with useful references to the book's coverage of underlying concepts. A broad range of topics are covered, from an initial overview of the field of data mining and its fundamental concepts, to data preparation, data warehousing, OLAP, pattern discovery and data classification. The final chapter describes the current state of data mining research and active research areas."--BCS.org

Über den Autor und weitere Mitwirkende

Jiawei Han is Professor in the Department of Computer Science at the University of Illinois at Urbana-Champaign. Well known for his research in the areas of data mining and database systems, he has received many awards for his contributions in the field, including the 2004 ACM SIGKDD Innovations Award. He has served as Editor-in-Chief of ACM Transactions on Knowledge Discovery from Data, and on editorial boards of several journals, including IEEE Transactions on Knowledge and Data Engineering and Data Mining and Knowledge Discovery. Micheline Kamber is a researcher with a passion for writing in easy-to-understand terms. She has a master's degree in computer science (specializing in artificial intelligence) from Concordia University, Canada. Jian Pei is Associate Professor of Computing Science and the director of Collaborative Research and Industry Relations at the School of Computing Science at Simon Fraser University, Canada. In 2002-2004, he was an Assistant Professor of Computer Science and Engineering at the State University of New York (SUNY) at Buffalo. He received a Ph.D. degree in Computing Science from Simon Fraser University in 2002, under Dr. Jiawei Han's supervision.

In diesem Buch (Mehr dazu)
Ausgewählte Seiten ansehen
Buchdeckel | Copyright | Inhaltsverzeichnis | Auszug | Stichwortverzeichnis
Hier reinlesen und suchen:

Kundenrezensionen

4.3 von 5 Sternen
5 Sterne
1
4 Sterne
2
3 Sterne
0
2 Sterne
0
1 Sterne
0
Alle 3 Kundenrezensionen anzeigen
Sagen Sie Ihre Meinung zu diesem Artikel

Die hilfreichsten Kundenrezensionen

2 von 3 Kunden fanden die folgende Rezension hilfreich Von Sascha Mintart am 20. Januar 2012
Format: Gebundene Ausgabe
Dieses sehr umfangreiche Werk kann man getrost als Standardwerk für Data Mining-Techniken bezeichnen. Es geht davon aus, dass man große Datenbestände und auch eine Datenbank bzw. sogar ein Data Warehouse besitzt, aus dem die Daten abgerufen werden. Bei der Darstellung der verschiedenen Konzepte und Algorithmen folgen immer auch Hinweise darauf, wie sich die beschriebenen Algorithmen bei sehr großen Datenbeständen verhalten. Ansonsten handelt es sich um ein Buch für Studenten, das von den Autoren in Vorlesungen eingesetzt wird. Dadurch ist es sehr breit angelegt, geht evtl. nicht sehr tief, hat aber derart viele Themen, dass man dennoch sehr lange mit dem Buch "auskommt", wenn man Data Mining einsetzen möchte, ehe man zu weiteren Werken greifen müsste. Nach einem Einführungsteil, der auch OLAP und Data Warehousing streift, folgt eine umfangreiche Darstellung zu verschiedenen Data Mining-Algorithmen. Dieser Hauptteil des Buchs enthält viele Beispiele, ausführliche Darstellungen und begrenzt mathematische und statistische Konzepte. Das letzte Drittel enthält eine Darstellung von sehr fortgeschrittenen Data Mining-Techniken, die man vermutlich in der Praxis bei Controlling, Marketing etc. nicht verwenden kann, die aber das Themengebiet an sich hervorragend abrunden und für eine "spätere Lektüre", wenn man alles Andere nachvollzogen hat, verwenden kann.
Kommentar War diese Rezension für Sie hilfreich? Ja Nein Feedback senden...
Vielen Dank für Ihr Feedback. Wenn diese Rezension unangemessen ist, informieren Sie uns bitte darüber.
Wir konnten Ihre Stimmabgabe leider nicht speichern. Bitte erneut versuchen
0 von 1 Kunden fanden die folgende Rezension hilfreich Von Keller Juerg am 23. Februar 2013
Format: Gebundene Ausgabe Verifizierter Kauf
Das Buch führt den Leser sehr behutsam in die Materie ein. Nichts für Leser, die konzentrierten Inhalt wünschen und nicht 700 Seiten hauchdünn ausgewallter Inhalt lesen möchten. Das Buch ist aber sehr gut für solche geeignet, die anhand von verschiedenen Beispielen sich in dieses Thema einarbeiten wollen. Da kommt jeder mit! Das Buch ist sehr gut strukturiert und an jedem Kapitelanfang wird erklärt, was im Folgenden auf den Leser wartet. Detailliertere mathematische Grundlagen werden nicht behandelt, aber man gewinnt einen guten Einblick in die Möglichkeiten und Prinzipien des Data Mining
Kommentar War diese Rezension für Sie hilfreich? Ja Nein Feedback senden...
Vielen Dank für Ihr Feedback. Wenn diese Rezension unangemessen ist, informieren Sie uns bitte darüber.
Wir konnten Ihre Stimmabgabe leider nicht speichern. Bitte erneut versuchen
0 von 3 Kunden fanden die folgende Rezension hilfreich Von Ayser Armiti am 2. Januar 2012
Format: Gebundene Ausgabe
Data Mining: Concepts and Techniques book is the best book for people who want to get an idea about the field of data mining. It gives a good comprehensive over view for the major topics discussed in the field.
Kommentar War diese Rezension für Sie hilfreich? Ja Nein Feedback senden...
Vielen Dank für Ihr Feedback. Wenn diese Rezension unangemessen ist, informieren Sie uns bitte darüber.
Wir konnten Ihre Stimmabgabe leider nicht speichern. Bitte erneut versuchen

Die hilfreichsten Kundenrezensionen auf Amazon.com (beta)

Amazon.com: 0 Rezensionen
12 von 13 Kunden fanden die folgende Rezension hilfreich
Traditional text format is tedious, but content is excellent 21. September 2012
Von Jerry Saperstein - Veröffentlicht auf Amazon.com
Format: Gebundene Ausgabe Vine Kundenrezension eines kostenfreien Produkts ( Was ist das? )
A text that makes it through a third edition means it is popular. This is intended for advanced undergraduate and first-year graduate level classes. Its structure is pure old-fashioned textbook. No bells, no whistles, no sidebars, no ornamentation. Necessary charts, illustrations and graphs are primitive.

Fortunately, the two authors write in a reasonable clear way, pretty much free of academic phrasing.

The goal is to teach the technology of turning masses of data into useful and usable information.

The approach is very straight-forward and methodical. First, the authors explain what data mining is and move quickly into describing data, processing data, reducing data and, generally, organizing data for retrieval of information.

There are exercises at the end of each chapter.

The authors claim they wrote the book not only as a classroom text, but as "an excellent handbook" on the subject of data mining.

It is that, but whether as a classroom student or on your own, you'd better have a reasonably solid understanding of statistics, match, C programming, database structure and more.

In short, this is not an easy book for an easy subject.

But it is a thorough, if very technical, introduction to data mining. Essentially only the serious need apply. Those who just need a general knowledge of data mining would best look elsewhere.

Jerry
24 von 29 Kunden fanden die folgende Rezension hilfreich
Oriented for Academia 17. Oktober 2011
Von GX - Veröffentlicht auf Amazon.com
Format: Gebundene Ausgabe Vine Kundenrezension eines kostenfreien Produkts ( Was ist das? )
This was written to be a textbook from the start, complete with question-sets from at the end of every chapter. If you're a student you won't have any choice as to the book selection, however if you are looking at this more from a practical commercial standpoint you will have many choices and this may not be the best one. I think in many ways it tries to be very encyclopedic and covers a huge amount of background information that is probably perfunctory in industry. The book would be more useful as a desk reference with heavy editing, more real-life examples... perhaps along the lines of case studies that may fit outside of a curriculum based arc.

Minuses:
- Not very illustrative, when there are diagrams and visual examples they tend to be very bare bones
- Some of the screen shots are absolutely terrible resolution (ex. page 602/603)
10 von 11 Kunden fanden die folgende Rezension hilfreich
Comprehensive Overview 8. August 2011
Von Susan Katz - Veröffentlicht auf Amazon.com
Format: Gebundene Ausgabe Vine Kundenrezension eines kostenfreien Produkts ( Was ist das? )
Data Mining is a comprehensive overview of the field, and I think it is best for a graduate class in data mining, or perhaps as a reference book. The book's focus is on technique (i.e., how to analyze data, including preparation), and it addresses all the major topics in the field including data storage and pre-processing. However, the book is really about classification methods, and the 2 chapters on cluster analysis are particularly strong and thorough.

For those looking for specific examples, applications, and domain knowledge, I would recommend Data Mining Techniques: For Marketing, Sales, and Customer Relationship Management by Linoff & Berry. However, for analytic techniques, this reference book is far superior.
10 von 11 Kunden fanden die folgende Rezension hilfreich
Get the hardback version instead. 17. Februar 2013
Von Tom in Florida - Veröffentlicht auf Amazon.com
Format: Kindle Edition Verifizierter Kauf
Viewing this in the Kindle reader was difficult. Many inset sections of text, including algorithms, appear as images in the text. These don't enlarge when I enlarge the font size and there seems to be no way to make them big enough to read. Even if they were bigger, the pixel size is large enough that they appear a little bit pixellated already. Enlarging them probably would exacerbate it.

Get the hardback version instead.
7 von 9 Kunden fanden die folgende Rezension hilfreich
Excellent Verbal, Mathematical & Programmatic Description of Data Mining and Machine Learning Techniques 22. Dezember 2011
Von Ira Laefsky - Veröffentlicht auf Amazon.com
Format: Gebundene Ausgabe Vine Kundenrezension eines kostenfreien Produkts ( Was ist das? )
This hard cover handbook and text in Machine Learning and Data Mining Techniques gives a wide and understandable overview of these methods. More than 80% of the text is readily understandable without recourse to advanced statistical and linear algebra methods, due to extensive verbal description of the nature of these algorithms and their applications, as well as illustrations and pseudocode algorithms. Unlike the other excellent text in the Morgan Kaufman series by Witten, Frank and Hall there is no emphasis on a particular data mining package (I own both texts). Slightly more treatment is provided of two important modern Machine Learning Methods--Neural Networks and Support Vector Machines.

This is a modern and understandable treatment of the important topics of Data Mining and Machine Learning designed to be used as a classroom text.
Waren diese Rezensionen hilfreich? Wir wollen von Ihnen hören.