Facebook Twitter Pinterest <Einbetten>
  • Alle Preisangaben inkl. MwSt.
Auf Lager.
Verkauf und Versand durch Amazon. Geschenkverpackung verfügbar.
Data Mining: Practical Ma... ist in Ihrem Einkaufwagen hinzugefügt worden
+ EUR 3,00 Versandkosten
Gebraucht: Sehr gut | Details
Verkauft von reBuy reCommerce GmbH
Zustand: Gebraucht: Sehr gut
Möchten Sie verkaufen?
Zur Rückseite klappen Zur Vorderseite klappen
Hörprobe Wird gespielt... Angehalten   Sie hören eine Hörprobe des Audible Hörbuch-Downloads.
Mehr erfahren
Alle 3 Bilder anzeigen

Data Mining: Practical Machine Learning Tools and Techniques (Morgan Kaufmann Series in Data Management Systems) (Englisch) Taschenbuch – 6. Januar 2011

5.0 von 5 Sternen 2 Kundenrezensionen

Alle Formate und Ausgaben anzeigen Andere Formate und Ausgaben ausblenden
Preis
Neu ab Gebraucht ab
Kindle Edition
"Bitte wiederholen"
Taschenbuch
"Bitte wiederholen"
EUR 54,52
EUR 20,20 EUR 25,97
69 neu ab EUR 20,20 10 gebraucht ab EUR 25,97
click to open popover

Wird oft zusammen gekauft

  • Data Mining: Practical Machine Learning Tools and Techniques (Morgan Kaufmann Series in Data Management Systems)
  • +
  • Pattern Recognition and Machine Learning (Information Science and Statistics)
  • +
  • An Introduction to Statistical Learning: with Applications in R (Springer Texts in Statistics)
Gesamtpreis: EUR 177,05
Die ausgewählten Artikel zusammen kaufen

Es wird kein Kindle Gerät benötigt. Laden Sie eine der kostenlosen Kindle Apps herunter und beginnen Sie, Kindle-Bücher auf Ihrem Smartphone, Tablet und Computer zu lesen.

  • Apple
  • Android
  • Windows Phone

Geben Sie Ihre Mobiltelefonnummer ein, um die kostenfreie App zu beziehen.

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



Produktinformation

Produktbeschreibungen

Pressestimmen

"The authors provide enough theory to enable practical application, and it is this practical focus that separates this book from most, if not all, other books on this subject." Dorian Pyle, Director of Modeling at Numetrics and an internationally known author of "Data Preparation for Data Mining" (Morgan Kaufmann, 1999) and "Business Modeling for Data Mining" (Morgan Kaufmann, 2003)

"This book would be a strong contender for a technical data mining course. It is one of the best of its kind." Herb Edelstein, Principal, Data Mining Consultant, Two Crows Consulting.

"It is certainly one of my favorite data mining books in my library" Tom Breur, Principal, XLNT Consulting, Tilburg, The Netherlands"

"The authors provide enough theory to enable practical application, and it is this practical focus that separates this book from most, if not all, other books on this subject." Dorian Pyle, Director of Modeling at Numetrics and an internationally known author of Data Preparation for Data Mining (Morgan Kaufmann, 1999) and Business Modeling for Data Mining (Morgan Kaufmann, 2003)

"This book would be a strong contender for a technical data mining course. It is one of the best of its kind." Herb Edelstein, Principal, Data Mining Consultant, Two Crows Consulting.

"It is certainly one of my favorite data mining books in my library" Tom Breur, Principal, XLNT Consulting, Tilburg, The Netherlands

"

Synopsis

Like the popular second edition, "Data Mining: Practical Machine Learning Tools and Techniques" offers a thorough grounding in machine learning concepts as well as practical advice on applying machine learning tools and techniques in real-world data mining situations. Inside, you'll learn all you need to know about preparing inputs, interpreting outputs, evaluating results, and the algorithmic methods at the heart of successful data mining, including both tried-and-true techniques of today as well as methods at the leading edge of contemporary research. Complementing the book is a fully functional platform-independent open source Weka software for machine learning, available for free download. The book is a major revision of the second edition that appeared in 2005.While the basic core remains the same, it has been updated to reflect the changes that have taken place over the last four or five years.

The highlights for the updated new edition include completely revised technique sections; new chapter on Data Transformations, new chapter on Ensemble Learning, new chapter on Massive Data Sets, a new book release version of the popular Weka machine learning open source software (developed by the authors and specific to the Third Edition); new material on multi-instance learning; new information on ranking the classification, plus comprehensive updates and modernization throughout; and, all in all, approximately 100 pages of new material.Features of this title include: thorough grounding in machine learning concepts as well as practical advice on applying the tools and techniques; algorithmic methods at the heart of successful data mining, including tired and true methods 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 an updated, interactive interface.

Alle Produktbeschreibungen

Welche anderen Artikel kaufen Kunden, nachdem sie diesen Artikel angesehen haben?

Kundenrezensionen

5.0 von 5 Sternen
5 Sterne
2
4 Sterne
0
3 Sterne
0
2 Sterne
0
1 Stern
0
Beide Kundenrezensionen anzeigen
Sagen Sie Ihre Meinung zu diesem Artikel

Top-Kundenrezensionen

Format: Taschenbuch Verifizierter Kauf
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.
Lesen Sie weiter... ›
Kommentar 34 Personen fanden diese Informationen hilfreich. War diese Rezension für Sie hilfreich? Ja Nein Feedback senden...
Vielen Dank für Ihr Feedback.
Wir konnten Ihre Stimmabgabe leider nicht speichern. Bitte erneut versuchen
Missbrauch melden
Format: Taschenbuch Verifizierter Kauf
This book provides a very pratical approach for WEKA users and gives an introduction in a large range of topics.
Kommentar War diese Rezension für Sie hilfreich? Ja Nein Feedback senden...
Vielen Dank für Ihr Feedback.
Wir konnten Ihre Stimmabgabe leider nicht speichern. Bitte erneut versuchen
Missbrauch melden