Entdeckung häufiger Muster in Daten
Häufige Mengen, Häufige Episoden, Kondensierte Repräsentation, Algorithmen
Versandkostenfrei!
Versandfertig in 1-2 Wochen
59,00 €
inkl. MwSt.
PAYBACK Punkte
0 °P sammeln!
Inhaltlich unveränderte Neuauflage. Die Entdeckung häufiger Muster in Daten und deren kondensierte Repräsentation stellen ein zentrales Thema im Data Mining dar. Der Autor Nuhad Shaabani präsentiert in diesem Buch die Aufgabe der Entdeckung häufiger Mengen in Datenbanken sowie ihre Übertragung auf die Entdeckung häufiger Episoden, also zeitlich geordneter Muster. Dabei diskutiert er ausführlich wichtige Algorithmen zu deren Lösung wie FP-growth und WINEPI und er entwickelt einen neuen Algorithmus, der die gleiche Aufgabe löst wie WINEPI, aber ohne Kandidatengenerierung. Das neue Verf...
Inhaltlich unveränderte Neuauflage. Die Entdeckung häufiger Muster in Daten und deren kondensierte Repräsentation stellen ein zentrales Thema im Data Mining dar. Der Autor Nuhad Shaabani präsentiert in diesem Buch die Aufgabe der Entdeckung häufiger Mengen in Datenbanken sowie ihre Übertragung auf die Entdeckung häufiger Episoden, also zeitlich geordneter Muster. Dabei diskutiert er ausführlich wichtige Algorithmen zu deren Lösung wie FP-growth und WINEPI und er entwickelt einen neuen Algorithmus, der die gleiche Aufgabe löst wie WINEPI, aber ohne Kandidatengenerierung. Das neue Verfahren ist insbesondere modular, da es auf der Entdeckung häufiger Mengen basiert, für die verschiedene Teilalgorithmen eingesetzt werden können. Um die Redundanz in den entdeckten häufigen zeitlichen Mustern zu verringern, wird weiterhin ein neues Verfahren zu deren kondensierten Repräsentation entwickelt. Dazu werden verschiedene aus der Literatur bekannte Verfahren zur Verringerung der Redundanz in den häufigen Mengen erläutert. Techniken zur Implementierung des größten Teiles der Verfahren werden diskutiert.
Andere Kunden interessierten sich für
