Kundenrezensionen


2 Rezensionen
5 Sterne:
 (2)
4 Sterne:    (0)
3 Sterne:    (0)
2 Sterne:    (0)
1 Sterne:    (0)
 
 
 
 
 
Durchschnittliche Kundenbewertung
Sagen Sie Ihre Meinung zu diesem Artikel
Eigene Rezension erstellen
 
 
Hilfreichste Bewertungen zuerst | Neueste Bewertungen zuerst

23 von 25 Kunden fanden die folgende Rezension hilfreich
5.0 von 5 Sternen Finest Blend, 24. April 2011
Von 
Dr. Christian Donninger "vulgo Chrilly" (Altmelon, Waldviertel) - Alle meine Rezensionen ansehen
(TOP 1000 REZENSENT)    (REAL NAME)   
Verifizierter Kauf(Was ist das?)
Rezension bezieht sich auf: Data Mining: Practical Machine Learning Tools and Techniques (Morgan Kaufmann Series in Data Management Systems) (Taschenbuch)
Wie die Autoren im Vorwort erwähnen gibt es (nicht nur C.D.) zu diesem Thema entweder Evangelisierungs- oder die akademische Machine-Learning Literateratur auf der anderen Seite. "The gulf is rather wide".
Dieses Buch ist eine äusserst gelungene Mischung aus praktischer Anwendung und theoretischen Grundlagen. Es wird auf viele praktisch relevante Fragen eingegangen. Z.B. das gute Datenvorbehandlung in der Regel weit wichtiger ist als eine komplizierte theoretisch überlegene Methode. Siehe dazu auch [1].
Die Stärke des Buches ist: Die Autoren haben mit dem Weka Explorer ein praktisch verwendetes System geschrieben. M.E. sollten nur Leute ein Buch schreiben dürfen, die eine praktisch relevante Implementierung ihrer Idee vorweisen können. Damit siebt man automatisch galaktische Algorithmen aus. Ein galaktischer Algorithmus ist eine Methode, die in der Praxis nie verwendet wird, weil man ihre Wirksamkeit innerhalb der Lebenszeit unserer Galaxie niemals bemerken würde. Je nach Wissenschaftsjournal sind 75% bis 95% der publizierten Methoden galaktisch. (Siehe [2]).
Es bleiben in diesem Buch und auch in Weka noch immer genügend Methoden über. Die Autoren gliedern daher jedes Kapitel in einen durchgehenden Text ohne jede Literaturhinweise. Es ist wohltuend nicht ständig durch "for further details see ..." im Lesefluss gestört zu werden. Am Ende gibt es noch einen Further Reading Abschnitt. Aber auch da wird streng der Spreu vom Weizen getrennt.
Es wurde im Rahmen eines Machine-Learning Kongresses eine Liste der 10 wichtigsten Algorithmen erstellt (siehe [3]). Das Buch beschreibt 9 dieser 10 Algos im Detail.
Der letzte Abschnitt ist eine Art Weka Reference Manual. Ich habe nicht alles im Detail durchgelesen. Allerdings habe ich mir bei ein paar Sachen angeschaut, welche Methoden in Weka implementiert sind. Man könnte die ersten beiden Teile auch als allgemeine Weka-Einführung betrachten. Das tut aber dem Buch wie bereits gesagt gut.
Wahrscheinlich ist es die beste Einführung in das Thema.

[1] D.J.Hand, Classifier Technology and the Illusion of Progress.
[2] R.Sedgewick: Algorithms for the Masses.
[3] Wu X. et al.: Top 10 algorithms in data mining.

Postscript: Es ist schon ein bisserl schizo wenn man gegen die "further reading" Manie in Büchern polemisiert und dann selber in einer Buchbesprechung mit 3 References um sich wirft.
Helfen Sie anderen Kunden bei der Suche nach den hilfreichsten Rezensionen 
War diese Rezension für Sie hilfreich? Ja Nein


5.0 von 5 Sternen Highly recommended for WEKA users, 30. Januar 2014
Verifizierter Kauf(Was ist das?)
Rezension bezieht sich auf: Data Mining: Practical Machine Learning Tools and Techniques (Morgan Kaufmann Series in Data Management Systems) (Taschenbuch)
This book provides a very pratical approach for WEKA users and gives an introduction in a large range of topics.
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

Nur in den Rezensionen zu diesem Produkt suchen