Facebook Twitter Pinterest
  • Alle Preisangaben inkl. MwSt.
Nur noch 1 auf Lager (mehr ist unterwegs).
Verkauf und Versand durch Amazon. Geschenkverpackung verfügbar.
Data Mining. Concepts and... ist in Ihrem Einkaufwagen hinzugefügt worden
Gebraucht: Gut | Details
Verkauft von FatBrain
Zustand: Gebraucht: Gut
Möchten Sie verkaufen?
Zur Rückseite klappen Zur Vorderseite klappen
Hörprobe Wird gespielt... Angehalten   Sie hören eine Hörprobe des Audible Hörbuch-Downloads.
Mehr erfahren
Dieses Bild anzeigen

Data Mining. Concepts and Techniques (Morgan Kaufmann Series in Data Management Systems): Concepts and Techniques (Morgan Kaufmann Series in Data Management Systems) (Englisch) Gebundene Ausgabe – 1. April 2006

4.8 von 5 Sternen 4 Kundenrezensionen

Alle Formate und Ausgaben anzeigen Andere Formate und Ausgaben ausblenden
Preis
Neu ab Gebraucht ab
Kindle Edition
"Bitte wiederholen"
Gebundene Ausgabe
"Bitte wiederholen"
EUR 53,62
EUR 50,61 EUR 5,42
6 neu ab EUR 50,61 10 gebraucht ab EUR 5,42

Dieses Buch gibt es in einer neuen Auflage:

click to open popover

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

"Jiawei, Micheline, and Jian give an encyclopedic coverage of all the related methods, from the classic topics of clustering and classification, to database methods (association rules, data cubes) to more recent and advanced topics (SVD/PCA , wavelets, support vector machines).. Overall, it is an excellent book on classic and modern data mining methods alike, and it is ideal not only for teaching, but as a reference book."- Christos Faloutsos, Carnegie Mellon University

Synopsis

Our ability to generate and collect data has been increasing rapidly. Not only are all of our business, scientific, and government transactions now computerized, but the widespread use of digital cameras, publication tools, and bar codes also generate data. On the collection side, scanned text and image platforms, satellite remote sensing systems, and the World Wide Web have flooded us with a tremendous amount of data. This explosive growth has generated an even more urgent need for new techniques and automated tools that can help us transform this data into useful information and knowledge. Like the first edition, voted the most popular data mining book by KD Nuggets readers, this book explores concepts and techniques for the discovery of patterns hidden in large data sets, focusing on issues relating to their feasibility, usefulness, effectiveness, and scalability. However, since the publication of the first edition, great progress has been made in the development of new data mining methods, systems, and applications.

This new edition substantially enhances the first edition, and new chapters have been added to address recent developments on mining complex types of data including stream data, sequence data, graph structured data, social network data, and multi-relational data. Whether you are a seasoned professional or a new student of data mining, this book has much to offer you. It offers a comprehensive, practical look at the concepts and techniques you need to know to get the most out of real business data. It includes updates that incorporate input from readers, changes in the field, and more material on statistics and machine learning. It contains dozens of algorithms and implementation examples, all in easily understood pseudo-code and suitable for use in real-world, large-scale data mining projects.

Alle Produktbeschreibungen

Kundenrezensionen

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

Top-Kundenrezensionen

Format: Gebundene Ausgabe Verifizierter Kauf
Han gibt in diesem Buch eine gute Einführung in das Thema Data Mining und Machine Learning. Die mathematischen Grundlagen werden recht abstrakt behandelt, so dass sich dieses Buch hauptsächlich an Neuling richtet.
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
Format: Gebundene Ausgabe
Dieses Buch war mein Einstiegsbuch in das Gebiet "Data Mining". Es enthält eine hervorragende Übersicht über die wichtigsten Techniken und aktuelle Trends. Man kann es in drei Teile einteilen: a) eine Darstellung zur Daten, Datenbanken und die Vorbereitung von Daten für die Analyse sowie die Aufbereitung von großen Datenmengen in OLAP-Systemen, b) grundlegende Techniken des Data Mining wie Cluster-Verfahren, Assoziationsanalyse etc., die Standard und Pflichtprogramm sind, c) ein Ausblick zu aktuellen Techniken und Trends. Der letzte Teil ist interessant, aber möglicherweise nicht für jeden geeignet. Der Teil a) ist möglicherweise für Leser ohne Datenbank als technische Grundlage zu speziell. Doch der Teil b) ist für sich genommen den Preis ebenfalls alleine wert, weil die Darstellung so gelungen und gut nachvollziehbar ist. Die anderen beiden Teile könnte mann (wie in meinem Fall) später lesen, als hätte man noch zwei weitere Bücher.
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
Format: Gebundene Ausgabe Verifizierter Kauf
Das buch ist sehr interessant und hat alles was man in Data Mining braucht.
ich bin sehr zufrieden mit dem Buch und der Inhalt
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
Format: Gebundene Ausgabe
Dieses Werk umfasst das gesamte Gebiet des Data Minings. Ich studiere momentan an einer Universität Informatik (Master) mit Schwerpunkt Data Mining. In meinem Studium kann ich dieses Buch sehr gut gebrauchen. Die Aufmachung ist ebenfalls toll.

Dieser Beitrag ist bereit für eine Sentiment Analysis ;)
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

Die hilfreichsten Kundenrezensionen auf Amazon.com (beta)

Amazon.com: 3.8 von 5 Sternen 10 Rezensionen
27 von 27 Kunden fanden die folgende Rezension hilfreich
4.0 von 5 Sternen Good high-level review with little mathematics. 8. Dezember 2006
Von M. Joya - Veröffentlicht auf Amazon.com
Format: Gebundene Ausgabe
This is a great textbook for an undergraduate or layperson to the information sciences, but specialists may find it lacking depth. It is very good at identifying practices and principles that would guide a high-level planner toward a sound research program. That said, this book exhaustively covers the breadth of the modern field at the expense of formulas, algorithms, and source code that would have been valuable to an engineer or scientist with plans to implement.

* Buy this book if you require a high-level understanding of the concepts and techniques used in the field.

* Don't buy this book if you are planning to specialize in data mining, or if you have plans to implement yourself.
10 von 10 Kunden fanden die folgende Rezension hilfreich
5.0 von 5 Sternen Significant improvements since first edition 20. September 2006
Von daijy - Veröffentlicht auf Amazon.com
Format: Gebundene Ausgabe
I have read the first edition of this book years before. This second edition has significant improvements. Core topic (classification, clustering, association rules) is very detailed and much easier to read. The author also add much material about advanced topics such as graph mining, multimedia mining, stream and time series mining, etc. Although these advanced topics are not as well writen as core topics, at least you will get idea about what's going on in these areas.
5 von 5 Kunden fanden die folgende Rezension hilfreich
2.0 von 5 Sternen poor explanation, Weak Language 24. März 2008
Von M. Hasan - Veröffentlicht auf Amazon.com
Format: Gebundene Ausgabe
Dr. Han is a leader in Data Mining; but unfortunately this book does not speak for that. The explanation is poor, the language is weak and thus, the book is not at all a good read. The book by Pang-Ning Tan and Kumar is much better.

The only good thing is that the second edition has a comprehensive coverage and contains many recent topics (streaming, social network, etc.) which is not available in other textbooks.
6 von 7 Kunden fanden die folgende Rezension hilfreich
1.0 von 5 Sternen Data Mining: Lack of Concepts, Techniques. 15. November 2010
Von Reviewer - Veröffentlicht auf Amazon.com
Format: Gebundene Ausgabe Verifizierter Kauf
If you have a professor that assigns this book for your class, run the other way. This book is extremely frustrating. It only explains in detail the easier concepts with examples,(which are incoherent), and neglects explanation and examples on all the advanced topics. It is full of formula that is incomplete, along with confusing notation.
4 von 5 Kunden fanden die folgende Rezension hilfreich
4.0 von 5 Sternen efficient, if technically a bit shallow 24. Oktober 2008
Von S. Matthews - Veröffentlicht auf Amazon.com
Format: Gebundene Ausgabe Verifizierter Kauf
This is a useful book: it provides the most comprehensive state of the art overview of data-mining technology I know of. The emphasis is on 'overview' however - you can find starting points and intuitions, but you will not be able to to do anything very ambitious just on the basis of the purely technical information here. At one point, the details of how linear classifiers work are swept under the carpet with a faintly crass remark about 'fancy math tricks'. If linear classifiers are 'fancy math tricks', what does that make variational methods for probabilistic data modelling? Note, in fact, that advanced machine learning in general, where fancy math tricks are ubiquitous and unavoidable, is not touched - an interesting implicit distinction.

Further, this is not a book you are likely to read for pleasure, for either the prose or the presentation. If you are not professionally involved, you neither need nor want it.

Nevertheless, given all those reservations, I'm happy to have it on the shelf.
Waren diese Rezensionen hilfreich? Wir wollen von Ihnen hören.