43,90 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
payback
0 °P sammeln
  • Broschiertes Buch

Die Regeln von Bergbauverbänden sind eine wesentliche Aufgabe für die Wissensgewinnung. Aus einer großen Datenmenge lassen sich potenziell nützliche Informationen ermitteln. Assoziationsregeln werden verwendet, um die Beziehungen von Elementen oder Attributen in großen Datenmengen zu ermitteln. Diese Regeln können bei der Aufdeckung unbekannter Zusammenhänge wirksam sein und Ergebnisse liefern, die als Grundlage für Prognosen und Entscheidungen dienen können. Die effektive Führung eines Unternehmens hängt maßgeblich von der Qualität seiner Entscheidungsfindung ab. Vergangene Transaktionsdaten…mehr

Produktbeschreibung
Die Regeln von Bergbauverbänden sind eine wesentliche Aufgabe für die Wissensgewinnung. Aus einer großen Datenmenge lassen sich potenziell nützliche Informationen ermitteln. Assoziationsregeln werden verwendet, um die Beziehungen von Elementen oder Attributen in großen Datenmengen zu ermitteln. Diese Regeln können bei der Aufdeckung unbekannter Zusammenhänge wirksam sein und Ergebnisse liefern, die als Grundlage für Prognosen und Entscheidungen dienen können. Die effektive Führung eines Unternehmens hängt maßgeblich von der Qualität seiner Entscheidungsfindung ab. Vergangene Transaktionsdaten können analysiert werden, um Kundenverhalten zu ermitteln und so die Qualität von Geschäftsentscheidungen zu verbessern. Der Ansatz der Mining-Assoziationsregeln konzentriert sich auf die Entdeckung großer Elementmengen, d. h. Gruppen von Elementen, die in einer ausreichenden Anzahl von Transaktionen zusammen vorkommen. Die vorgeschlagene Methode konzentriert sich auf einen kombinierten Ansatz zur Generierung von Zuordnungsregeln aus einer großen Datenbank von Kundentransaktionen. Es hilft auch bei der Identifizierung selten auftretender Ereignisse. Dieser Ansatz durchsucht die Datenbank einmal, um ein Assoziationsdiagramm und Clustering-Tabellen zu erstellen, und durchläuft dann das Diagramm, um alle großen Elementmengen zu generieren.
Autorenporträt
Sono Seema Desai-Redekar, Assistant Professor, SIES Graduate School of Technology, Navi Mumbai, India. I miei campi di interesse sono Data Mining, Big Data Analytics e Data Science.