|
||||||||||||||||||||
|
||||||||||||||||||||
|
||||||||||||||||||||
Data Mining, Second Edition
und über 1 Million weitere Bücher verfügbar für Amazon Kindle .
Erfahren Sie mehr
| ||||||||||||||||||
|
Dieses Buch gibt es in einer neuen Auflage:
|
Produktinformation
Möchten Sie die Produktinformationen aktualisieren oder Feedback zu den Produktabbildungen geben?
Ist der Verkauf dieses Produkts für Sie nicht akzeptabel? |
Mehr über die Autoren
Entdecken Sie Bücher, lesen Sie über Autoren und mehr
Produktbeschreibungen
Pressestimmen
"This book presents this new discipline in a very accessible form: both as a text to train the next generation of practitioners and researchers, and to inform lifelong learners like myself. Witten and Frank have a passion for simple and elegant solutions. They approach each topic with this mindset, grounding all concepts in concrete examples, and urging the reader to consider the simple techniques first, and then progress to the more sophisticated ones if the simple ones prove inadequate. If you have data that you want to analyze and understand, this book and the associated Weka toolkit are an excellent way to start." - From the foreword by Jim Gray, Microsoft Research "It covers cutting-edge, data mining technology that forward-looking organizations use to successfully tackle problems that are complex, highly dimensional, chaotic, non-stationary (changing over time), or plagued by. The writing style is well-rounded and engaging without subjectivity, hyperbole, or ambiguity. I consider this book a classic already!" - Dr. Tilmann Bruckhaus, StickyMinds.com
Kurzbeschreibung
As with any burgeoning technology that enjoys commercial attention, the use of data mining is surrounded by a great deal of hype. Exaggerated reports tell of secrets that can be uncovered by setting algorithms loose on oceans of data. But there is no magic in machine learning, no hidden power, no alchemy. Instead there is an identifiable body of practical techniques that can extract useful information from raw data. This book describes these techniques and shows how they work. The book is a major revision of the first edition that appeared in 1999. While the basic core remains the same, it has been updated to reflect the changes that have taken place over five years, and now has nearly double the references. The highlights for the new edition include thirty new technique sections; an enhanced Weka machine learning workbench, which now features an interactive interface; comprehensive information on neural networks; a new section on Bayesian networks; plus much more; algorithmic methods at the heart of successful data mining-including tried and true techniques as well as leading edge methods; performance improvement techniques that work by transforming the input or output; and, downloadable Weka, a collection of machine learning algorithms for data mining tasks, including tools for data pre-processing, classification, regression, clustering, association rules, and visualization-in a new, interactive interface.
Welche anderen Artikel kaufen Kunden, nachdem sie diesen Artikel angesehen haben?
In diesem Buch
(Mehr dazu)
Einleitungssatz
Human in vitro fertilization involves collecting several eggs from a woman's ovaries, which, after fertilization with partner or donor sperm, produce several embryos. Lesen Sie die erste Seite
Buchdeckel | Copyright | Inhaltsverzeichnis | Auszug | Stichwortverzeichnis
Human in vitro fertilization involves collecting several eggs from a woman's ovaries, which, after fertilization with partner or donor sperm, produce several embryos. Lesen Sie die erste Seite
Mehr entdecken
Wortanzeiger
Ausgewählte Seiten ansehenWortanzeiger
Buchdeckel | Copyright | Inhaltsverzeichnis | Auszug | Stichwortverzeichnis
Tags, die Kunden mit diesem Produkt verbinden(Was ist das?)Klicken Sie zum Suchen verwandter Artikel, Diskussionen oder Personen auf ein Tag.
|
Kundenrezensionen
Die hilfreichsten Kundenrezensionen
20 von 21 Kunden fanden die folgende Rezension hilfreich
Format:Taschenbuch
Ich finde das Buch „Data Mining“ von Witten und Frank konzeptionell misslungen, schlecht (und offensichtlich mit „heißer Nadel“) geschrieben und überteuert. Zunächst ist das Buch m.E. in der Umsetzung nicht konsequent genug strukturiert. So geben die Autoren zwar durchaus an, in Kapitel 4 Algorithmen für in Kapitel 3 vorgestellte Möglichkeiten der „Wissensdarstellung“ anzugeben, deren Implementierung wiederum in Kapitel 6 erläutert werden soll. Allerdings finden sich dann einige "kompliziertere“ Algorithmen, z.B. Regressionsbäume, erst in Kapitel 6 wieder, ohne dass sie in Kapitel 4 vorgestellt worden sind. Warum, wird nicht so richtig klar. Viel schlimmer ist jedoch das gescheiterte Konzept: Im Vorwort wird als Anspruch des Buches definiert, die Lücke zwischen zu oberflächlichen Management-Büchern und für praktische Anwender zu tiefgreifende Theorieabhandlungen zu schließen, was sicherlich ein sehr löbliches Vorhaben ist. Zu häufig geraten die Darstellungen dabei allerdings zu kurz und werden damit unverständlich, während Trivialitäten häufig wiederholt werden. Außerdem ist mir nicht ganz klar, welche Leser auf der einen Seite die benutzte mathematische Begrifflichkeit verstehen, dabei aber gleichzeitig nicht wissen sollen, wie Bayes’ Regel der bedingten Wahrscheinlichkeit oder eine lineare Regression funktioniert. Nach einer Weile beginnen einen schließlich auch die zahlreichen kleinen Fehler zu ärgern, die sich durch das Buch ziehen, z.B. hier eine Null zuviel, dort Analyse einer Tabelle auf Basis von 12 Einträgen, die aber nur 11 hat. Das merkt man zwar, wenn man aufmerksam liest, und kann es auch selbst korrigieren, aber bei einem Paperback-Buch zu diesem Preis könnte man eine etwas ordentlichere Bearbeitung m.E. schon erwarten. Da kann man sich über das viel zu kurze Stichwortverzeichnis schon gar nicht mehr aufregen. Für die Käufer, die sich nicht im Laden schon immer das komplette Inhaltverzeichnis ansehen (oder mit den dort verwendeten Begriffen nichts anfangen können), sei schließlich noch angemerkt, dass in dem Buch keine Darstellung von Neuronalen Netzen stattfindet.
12 von 16 Kunden fanden die folgende Rezension hilfreich
Format:Taschenbuch
Das Buch ist schlecht Strukturiert, viel zu textuell für die Materie. Oft findet man seitenlang Geschwafel, dem man nichts Handfestes abgewinnen kann. Es ist mühsam den interessanten Inhalt zu extrahieren. Leider wird mit der Terminologie teilweise schlampig umgegangen (Kritik an die Übersetzung?), sodass man sich nicht selten ausrechnen muss, was jetzt eigentlich gemeint ist.
Als Alternative kann ich "Machine Learning" von Thomas Mitchell empfehlen. Das kostet zwar doppelt so viel, ist aber dafür 3 mal so viel wert. Es deckt die Themen von "Data Mining" und mehr ab und ist sehr sauber und verständlich geschrieben.
Format:Taschenbuch
Das Buch bietet einen guten Rundumschlag der Data-Mining-Welt.
Alle Standardverfahren und einige ausgefallenere Bereiche werden praxisnahe durchleuchtet. Statt trockene Theorie und der sonst üblichen Menge an Beweisen geht der Autor lieber auf praktische Anwendungsgebiete ein und beleuchtet das "kann man sich vorstellen als". Das Werk eignet sich sowohl als Grundlagenkurs, als auch zum Nachschlagen. Die vielen Beispiele helfen schnell zu verstehen, wie ein bestimmtes Verfahren funktioniert. Neben den Algorithmen der Informatik werden auch Methoden der Statistik (für Informatiker verständlich) erläutert.
Der letzte Teil des Buches zu Weka ist eher nutzlos, wenn man auf andere Tools wie beispielsweise Rapidminer setzte. Leider werden hier einige Verfahren nur kurz angerissen und in Bezug auf ihre Nutzung in Weka erklärt. Hier hätte ich mir eher gewünscht die Verfahren detailliert zu erläutern. Dieser Teil des Buches nimmt leider knapp 120 der gut 500 Seiten ein. Verschenkter Platz, finde ich. Daher nur 4 Sterne.
Der Inhalt in Kürze:
- Was sind "Maschine Learning" und "Data Mining"?
- Grundlagen zu Konzepten, Instanzen und Attributen
- Wissensrepräsentation
- Algorithmen (z.B. Regel-Lernen, statistische Modelle, Assoziationsregeln, instanzbasiertes Lernen, Clustering)
- Evaluation (z.B. X-Validierung, Vorhersage-Wahrscheinlichkeiten)
- Implementierung von Verfahren (z.B. Klassifizierungsregeln, Bayes'sche Modelle)
- Transformation von Ein- und Ausgabe
- Weka
Alle Standardverfahren und einige ausgefallenere Bereiche werden praxisnahe durchleuchtet. Statt trockene Theorie und der sonst üblichen Menge an Beweisen geht der Autor lieber auf praktische Anwendungsgebiete ein und beleuchtet das "kann man sich vorstellen als". Das Werk eignet sich sowohl als Grundlagenkurs, als auch zum Nachschlagen. Die vielen Beispiele helfen schnell zu verstehen, wie ein bestimmtes Verfahren funktioniert. Neben den Algorithmen der Informatik werden auch Methoden der Statistik (für Informatiker verständlich) erläutert.
Der letzte Teil des Buches zu Weka ist eher nutzlos, wenn man auf andere Tools wie beispielsweise Rapidminer setzte. Leider werden hier einige Verfahren nur kurz angerissen und in Bezug auf ihre Nutzung in Weka erklärt. Hier hätte ich mir eher gewünscht die Verfahren detailliert zu erläutern. Dieser Teil des Buches nimmt leider knapp 120 der gut 500 Seiten ein. Verschenkter Platz, finde ich. Daher nur 4 Sterne.
Der Inhalt in Kürze:
- Was sind "Maschine Learning" und "Data Mining"?
- Grundlagen zu Konzepten, Instanzen und Attributen
- Wissensrepräsentation
- Algorithmen (z.B. Regel-Lernen, statistische Modelle, Assoziationsregeln, instanzbasiertes Lernen, Clustering)
- Evaluation (z.B. X-Validierung, Vorhersage-Wahrscheinlichkeiten)
- Implementierung von Verfahren (z.B. Klassifizierungsregeln, Bayes'sche Modelle)
- Transformation von Ein- und Ausgabe
- Weka
Möchten Sie weitere Rezensionen zu diesem Artikel anzeigen?
Waren diese Rezensionen hilfreich?
Wir wollen von Ihnen hören.
Die neuesten Kundenrezensionen
Sehr gut für Einsteiger
Dieses Buch wurde von einem Prof. als Begleitlektüre zu seiner Vorlesung empfohlen. Das Buch fand ich sehr gut, da es die theoretischen Grundlagen von Data Mining... Lesen Sie weiter...
Veröffentlicht am 20. Februar 2009 von Mayday
Ideale Einfuehrung in die Konzepte des Data Minings
Das vorliegende Buch gab mir eine ideale Einfuehrung zu einer Reihe wichtiger Konzepte des Data Minings; Entscheidungsbaeume, Entscheidungstabellen, Assoziationsregel, Clustering,... Lesen Sie weiter...
Am 19. September 2001 veröffentlicht
Exzellentes Text-Book
M.E. ist das Buch das best-geeignetste Text-Buch für eine Einführungsvorlesung in Data Mining auf dem Markt. Lesen Sie weiter...
Am 10. September 2001 veröffentlicht
Kunden diskutieren
|
Das Forum zu diesem Produkt
Fragen stellen, Meinungen austauschen, Einblicke gewinnen Aktive Diskussionen in ähnlichen Foren
Kundendiskussionen durchsuchen
|
Ähnliche Foren
|
||||||||||||||||||||||||||||||||||
Lieblingslisten
|
|
Ähnliche Artikel finden
Anhand des Sachgebietes nach ähnlichen Produkten suchen:
Ihr Kommentar
Möchten Sie die Produktinformationen aktualisieren oder Feedback zu den Produktabbildungen geben?
