Kundenrezensionen


6 Rezensionen
5 Sterne:
 (3)
4 Sterne:
 (1)
3 Sterne:    (0)
2 Sterne:
 (2)
1 Sterne:    (0)
 
 
 
 
 
Durchschnittliche Kundenbewertung
Sagen Sie Ihre Meinung zu diesem Artikel
Eigene Rezension erstellen
 
 

Die hilfreichste positive Rezension
Die hilfreichste kritische Rezension


4.0 von 5 Sternen Solide Grundlage für den Data-Miner von morgen
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...
Veröffentlicht am 18. Januar 2010 von Tobias Schlitt

versus
21 von 22 Kunden fanden die folgende Rezension hilfreich
2.0 von 5 Sternen Fehlgeschlagenes Konzept, viele Flüchtigkeitsfehler
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...
Veröffentlicht am 20. April 2001 von F. Hecker


Hilfreichste Bewertungen zuerst | Neueste Bewertungen zuerst

21 von 22 Kunden fanden die folgende Rezension hilfreich
2.0 von 5 Sternen Fehlgeschlagenes Konzept, viele Flüchtigkeitsfehler, 20. April 2001
Von 
F. Hecker "Frank Hecker" (Köln, Deutschland) - Alle meine Rezensionen ansehen
(REAL NAME)   
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.
Helfen Sie anderen Kunden bei der Suche nach den hilfreichsten Rezensionen 
War diese Rezension für Sie hilfreich? Ja Nein


4.0 von 5 Sternen Solide Grundlage für den Data-Miner von morgen, 18. Januar 2010
Von 
Tobias Schlitt (Dinslaken) - Alle meine Rezensionen ansehen
(REAL NAME)   
Rezension bezieht sich auf: Data Mining. Practical Machine Learning Tools and Techniques (Morgan Kaufmann Series in Data Management Systems) (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
Helfen Sie anderen Kunden bei der Suche nach den hilfreichsten Rezensionen 
War diese Rezension für Sie hilfreich? Ja Nein


12 von 16 Kunden fanden die folgende Rezension hilfreich
2.0 von 5 Sternen Schlechter Stil und schwierige Struktur, 19. Juni 2002
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.
Helfen Sie anderen Kunden bei der Suche nach den hilfreichsten Rezensionen 
War diese Rezension für Sie hilfreich? Ja Nein


3 von 7 Kunden fanden die folgende Rezension hilfreich
5.0 von 5 Sternen Exzellentes Text-Book, 10. September 2001
Von Ein Kunde
M.E. ist das Buch das best-geeignetste Text-Buch für eine Einführungsvorlesung in Data Mining auf dem Markt. Alle wichtigen Konzepte werden klar erklärt, Tiefe ist vorhanden falls gebraucht, und die dazugehörige Java-Software ist unbezahlbar (aber gratis).
Die getroffene Auswahl (unvermeidlich) ist ausgezeichnet und deckt alle wesentlichen Bereiche ab, sowohl was Lernalgorithmen (Entscheidungsbäume, Assoziations-Regeln, Clustering, Support Vector Maschinen) als auch Vor- und Nachverarbeitungsschritte angeht (Evaluierung, Feature-Auswahl, Diskretisierung, Outlier Detection, Kombination mehrer Modelle). Das unten beanstandete Fehlen von Neuralen Netzen ist m.E. eine richtige Entscheidung (sie werden in Data Mining Anwendungen kaum eingesetzt). Was vielleicht fehlt, ist eine konkrete Fallstudie, in der ein Data Mining Prozess von Anfang (Problemformulierung und Datenaufbereitung) bis Ende (Praxis-Einsatz des gefundenen Wissens) durchgespielt wird. Das wird aber mehr als wettgemacht durch die Verfügbarkeit der Java-Software, die die meisten im Buch vorgestellten Ideen implementiert, ständig erweitert wird (jeder kann Updates einreichen), und die zum Ausprobieren (beinahe) aller vorgestellten Techniken mittels praktischer Übungen auf den mitgelieferten Beispiel-Daten oder auch eigenen Problemen einlädt. Sowohl die Software als auch die Daten sind auf dem neuesten Stand der Forschung und werden auch in Fachartikeln gerne eingesetzt.
Kurz-Resume: Für Studenten die richtige Einstiegsdroge in Data Mining.
Die deutsche Übersetzung ist allerdings nicht sonderlich gelungen (obwohl einer der Autoren Deutscher ist), und ich würde das englische Original empfehlen. Das liegt aber vielleicht daran, daß ich Übersetzung von Fachliteratur ins Deutsche von vornherein fuer eine zweifelhafte Idee halte. Funktioniert der Einstieg, gibt es das weiterführende Material dann ohnehin nur auf Englisch...
Helfen Sie anderen Kunden bei der Suche nach den hilfreichsten Rezensionen 
War diese Rezension für Sie hilfreich? Ja Nein


3 von 7 Kunden fanden die folgende Rezension hilfreich
5.0 von 5 Sternen Ideale Einfuehrung in die Konzepte des Data Minings, 19. September 2001
Von Ein Kunde
Das vorliegende Buch gab mir eine ideale Einfuehrung zu einer Reihe wichtiger Konzepte des Data Minings; Entscheidungsbaeume, Entscheidungstabellen, Assoziationsregel, Clustering, Support-Vektor-Maschinen, um nur einige zu nennen. Die Autoren verstehen es trefflich, diese anhand von Beispielen verstaendlich zu machen.
Die dazugehoerige Software ist am Internet frei erhaeltlich und mit Hilfe des Kapitels 8 schnell erfaszt. Weitere, neue Methoden sind in der Software inkludiert, denn es wird offenbar laufend an ihr weitergearbeitet.
Kurzum, das Buch ist ein hervorragendes Mittel fuer den Einstieg und noch ueber den Einstieg hinaus, in die Welt des Data Minings.
Mit Sicherheit das beste Buch zum Thema in deutscher Sprache.
Helfen Sie anderen Kunden bei der Suche nach den hilfreichsten Rezensionen 
War diese Rezension für Sie hilfreich? Ja Nein


0 von 2 Kunden fanden die folgende Rezension hilfreich
5.0 von 5 Sternen Sehr gut für Einsteiger, 20. Februar 2009
Rezension bezieht sich auf: Data Mining. Practical Machine Learning Tools and Techniques (Morgan Kaufmann Series in Data Management Systems) (Taschenbuch)
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 ausführlich und verständlich erläutert. Kann nur weiter empfehlen. Im Fokus sind aber, wie gesagt die theoretischen Grundlagen, deswegen zu der Leserzielgruppe gehören vor allem Studenten technischer Fachrichtungen.
Helfen Sie anderen Kunden bei der Suche nach den hilfreichsten Rezensionen 
War diese Rezension für Sie hilfreich? Ja Nein


Hilfreichste Bewertungen zuerst | Neueste Bewertungen zuerst

Dieses Produkt

Data Mining. Practical Machine Learning Tools and Techniques (Morgan Kaufmann Series in Data Management Systems)
Gebraucht & neu ab: EUR 14,90
Auf meinen Wunschzettel Zahlungsmöglichkeiten ansehen
Nur in den Rezensionen zu diesem Produkt suchen