29,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
payback
15 °P sammeln
  • Broschiertes Buch

Les règles d'association minière sont une tâche essentielle pour la découverte des connaissances. A partir d'une grande quantité de données, des informations potentiellement utiles peuvent être découvertes. Les règles d'association sont utilisées pour découvrir les relations d'éléments ou d'attributs parmi des données volumineuses. Ces règles peuvent être efficaces pour découvrir des relations inconnues, fournissant des résultats qui peuvent être la base de prévisions et de décisions. La gestion efficace d'une entreprise dépend en grande partie de la qualité de sa prise de décision. Les…mehr

Produktbeschreibung
Les règles d'association minière sont une tâche essentielle pour la découverte des connaissances. A partir d'une grande quantité de données, des informations potentiellement utiles peuvent être découvertes. Les règles d'association sont utilisées pour découvrir les relations d'éléments ou d'attributs parmi des données volumineuses. Ces règles peuvent être efficaces pour découvrir des relations inconnues, fournissant des résultats qui peuvent être la base de prévisions et de décisions. La gestion efficace d'une entreprise dépend en grande partie de la qualité de sa prise de décision. Les données de transaction passées peuvent être analysées pour découvrir les comportements des clients de manière à améliorer la qualité de la décision commerciale. L'approche des règles d'association minière se concentre sur la découverte de grands ensembles d'éléments, qui sont des groupes d'éléments qui apparaissent ensemble dans un nombre adéquat de transactions. La méthode proposée se concentre sur une approche combinée pour générer des règles d'association à partir d'une grande base de données de transactions client. Cela aide également à identifier les événements qui se produisent rarement. Cette approche analyse la base de données une fois pour construire un graphe d'association et des tables de clustering, puis parcourt le graphe pour générer tous les grands ensembles d'éléments.
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.