Facebook Twitter Pinterest
  • Alle Preisangaben inkl. USt
Nur noch 1 auf Lager
Verkauf und Versand durch PupilBook. Für weitere Informationen, Impressum, AGB und Widerrufsrecht klicken Sie bitte auf den Verkäufernamen.
EUR 48,19 + EUR 13,50 für Lieferungen nach Deutschland

Lieferort:
Um Adressen zu sehen, bitte
Oder
Bitte tragen Sie eine deutsche PLZ ein.
Oder
+ EUR 3,00 Versandkosten
Gebraucht: Sehr gut | Details
Verkauft von BetterWorldBooksDe
Zustand: Gebraucht: Sehr gut
Kommentar: Versand aus Schottland, Versandzeit 7-21 Tage. Frueheres Bibliotheksbuch. Sehr guter Zustand fuer ein gebrauchtes Buch, minimale Abnutzungserscheinungen. 100%ige Kostenrueckerstattung garantiert Mit Ihrem Kauf unterstützen Sie Alphabetisierungsprogramme..
Möchten Sie verkaufen?
Zur Rückseite klappen Zur Vorderseite klappen
Hörprobe Wird gespielt... Angehalten   Sie hören eine Hörprobe des Audible Hörbuch-Downloads.
Mehr erfahren
Alle 2 Bilder anzeigen

Data Mining: Practical Machine Learning Tools and Techniques with Java Implementations (Morgan Kaufmann Series in Data Management Systems) (Englisch) Taschenbuch – 30. November 1999

5.0 von 5 Sternen 5 Kundenrezensionen

Alle 3 Formate und Ausgaben anzeigen Andere Formate und Ausgaben ausblenden
Preis
Neu ab Gebraucht ab
Taschenbuch
EUR 48,19
EUR 48,19 EUR 3,21
2 neu ab EUR 48,19 10 gebraucht ab EUR 3,21
click to open popover

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

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

Amazon.de

Data mining techniques are used to power intelligent software, both on and off the Internet. Data Mining: Practical Machine Learning Tools explains the magic behind information extraction in a book that succeeds at bringing the latest in computer science research to any IS manager or developer. In addition, this book provides an opportunity for the authors to showcase their powerful reusable Java class library for building custom data mining software.

This text is remarkable with its comprehensive review of recent research on machine learning, all told in a very approachable style. (While there is plenty of math in some sections, the authors' explanations are always clear.) The book tours the nature of machine learning and how it can be used to find predictive patterns in data comprehensible to managers and developers alike. And they use sample data (for such topics as weather, contact lens prescriptions, and flowers) to illustrate key concepts.

After setting out to explain the types of machine learning models (like decision trees and classification rules), the book surveys algorithms used to implement them, plus strategies for improving performance and the reliability of results. Later the book turns to the authors' downloadable Weka (rhymes with "Mecca") Java class library, which lets you experiment with data mining hands-on and gets you started with this technology in custom applications. Final sections look at the bright prospects for data mining and machine learning on the Internet (for example, in Web search engines).

Precise but never pedantic, this admirably clear title delivers a real-world perspective on advantages of data mining and machine learning. Besides a programming how-to, it can be read profitably by any manager or developer who wants to see what leading-edge machine learning techniques can do for their software. --Richard Dragan

Topics covered: Data mining and machine learning basics, sample datasets and applications for data mining, machine learning vs. statistics, the ethics of data mining, generalization, concepts, attributes, missing values, decision tables and trees, classification rules, association rules, exceptions, numeric prediction, clustering, algorithms and implementations in Java, inferring rules, statistical modeling, covering algorithms, linear models, support vector machines, instance-based learning, credibility, cross-validation, probability, costs (lift charts and ROC curves), selecting attributes, data cleansing, combining multiple models (bagging, boosting, and stacking), Weka (reusable Java classes for machine learning), customizing Weka, visualizing machine learning, working with massive datasets, text mining, and e-mail and the Internet.

Pressestimmen

"This is a milestone in the synthesis of data mining, data analysis, information theory and machine learning."-Jim Gray, Microsoft Research, USA

Alle Produktbeschreibungen

Kundenrezensionen

5,0 von 5 Sternen
Sagen Sie Ihre Meinung zu diesem Artikel
Alle 5 Kundenrezensionen anzeigen

Top-Kundenrezensionen

am 7. September 2001
Format: Taschenbuch
0Kommentar| 3 Personen fanden diese Informationen hilfreich. War diese Rezension für Sie hilfreich?JaNeinMissbrauch melden
am 7. Februar 2000
Format: Taschenbuch
0Kommentar|War diese Rezension für Sie hilfreich?JaNeinMissbrauch melden
am 3. Dezember 1999
Format: Taschenbuch
0Kommentar|War diese Rezension für Sie hilfreich?JaNeinMissbrauch melden
am 28. Januar 2000
Format: Taschenbuch
0Kommentar|War diese Rezension für Sie hilfreich?JaNeinMissbrauch melden
am 25. November 1999
Format: Taschenbuch
0Kommentar|War diese Rezension für Sie hilfreich?JaNeinMissbrauch melden

Möchten Sie weitere Rezensionen zu diesem Artikel anzeigen?

Möchten Sie weitere Produkte entdecken? Weitere Informationen finden Sie auf dieser Seite: mining engineering

Wo ist meine Bestellung?

Versand & Rücknahme

Brauchen Sie Hilfe?