Suchen und Finden

Titel

Autor/Verlag

Inhaltsverzeichnis

Nur eBooks für mein Endgerät anzeigen:

 

Newsletter

Data Mining - Verfahren, Prozesse, Anwendungsarchitektur

Data Mining - Verfahren, Prozesse, Anwendungsarchitektur

von: Helge Petersohn

Oldenbourg Wissenschaftsverlag GmbH, 2005

ISBN: 9783486577150, 343 Seiten

Format: PDF, OL

Mac OSX,Windows PC Apple iPad, Android Tablet PC's Online-Lesen für: Linux,Mac OSX,Windows PC

Preis: 39,80 EUR

Ersparnis: 5,00 EUR

  • Konfliktmanagement
    Java 6 master class - Einstieg für Anspruchsvolle
    Access 2007 Kompendium
    ADHS bei Erwachsenen
    Die UML-Kurzreferenz 2.0 für die Praxis - Kurz, bündig, ballastfrei
    Windows XP Home Edition
    Anleitung zum Philosophieren - Selber denken leicht gemacht
    Dimensionen des E-Learning
  • 30 Minuten für faires Streiten und gute Konflikt-Kultur
    Interpretation. Heinrich von Kleist: Der zerbrochne Krug
    Psychologie des Wissensmanagements
    Computernetzwerke - Von den Grundlagen zur Funktion und Anwendung

     

     

     

     

     

 

Mehr zum Inhalt

Data Mining - Verfahren, Prozesse, Anwendungsarchitektur


 

Vorwort

6

Inhalt

8

1. Motivation und Entwicklung der Data Mining - Architektur

14

1.1. Inhalt und Ziel des Buches

14

1.2. Theoretische Grundlagen zum Data Mining - Begriff

17

1.3. Beispiele für Anwendungsgebiete

27

1.4. Strukturierungsbedarf für Data Mining

32

1.5. Struktur, Komponenten und Elemente der Data Mining - Architektur

33

2. Datenselektion und Datenaufbereitung

52

2.1 Datenselektion

53

2.2 Verfahrensunabhängige Datenaufbereitung

70

2.3 Verfahrensabhängige Datenaufbereitung

76

3. Klassenbildung

86

3.1 Klassenbildung mit neuronalen Netzen

86

3.2 Klassenbildung mit multivariaten statistischen Clusteranalyseverfahren

104

3.3 Evaluierungskriterien für die anwendungsorientierte Bewertung der Güte einer Klassenbildung

110

4. Assoziationsanalyse

114

4.1 Einführung in die Assoziationsalgorithmen

114

4.2 Boolesche Assoziationsverfahren

118

4.3 Erweiterungen der Assoziationsverfahren

139

4.4 Evaluierung und Interpretation

142

5. Klassifizierung

144

5.1 Klassifizierung mit neuronalen Netzen

144

5.2 Klassifizierung mit Entscheidungsbaumalgorithmen

149

5.3 Evaluierungskriterien für die anwendungsorientierte Bewertung der Güte einer Klassifizierung

183

6. Zeitreihenanalyse

186

6.1 Zeitreihenanalyse mit neuronalen Netzen

186

6.2 Zeitreihenanalyse mit Regressionsbaumverfahren

195

6.3 Zeitreihenanalyse mit multivariaten statistischen Verfahren

206

6.4 Evaluierungskriterien für die anwendungsorientierte Bewertung der Güte einer Zeitreihenanalyse

207

7. Genetische Algorithmen

210

7.1 Einführung in genetische Algorithmen

210

7.2 Grundstruktur genetischer Algorithmen

213

7.3 Evolutionsstrategien

232

7.4 Erweiterungen genetischer Algorithmen

234

7.5 Einschätzung genetischer Algorithmen

237

8. Kombination von Analyseverfahren

238

8.1 Neuronale Netze und genetische Algorithmen

239

8.2 Entscheidungsbäume und genetische Algorithmen

254

8.3 Neuro-Fuzzy-Ansätze

256

8.4 Entscheidungsbäume und neuronale Netze

268

9. Aggregation zur Data Mining - Architektur

270

9.1 Ausprägung der Data Mining-Architektur

270

9.2 Abgeleitetes Forschungspotential

293

10. Anhang

296

Literaturverzeichnis

296

Abbildungsverzeichnis

314

Tabellenverzeichnis

320

Abkürzungsverzeichnis

322

Symbolverzeichnis

326

Sachwortverzeichnis

338