Read more
Das Buch befaßt sich mit theoretischen und Anwendungsaspekten des Data Mining und behandelt unter anderem folgende Themen: Ziele und Methoden des Data Mining, Prozeß der Wissensentdeckung, State of the Art in der Forschung und Anwendung des Data Mining, wichtige Data Mining Tools, die Rolle der Informationsverarbeitung im KDD Prozeß, Data Warehousing, OLAP, Ansätze zur Benutzerunterstützung des Data Mining Prozesses, Modellselektion und Evaluierungsmethoden für Data Mining Algorithmen.
List of contents
G. Nakhaeizadeh, T. Reinartz, R. Wirth: Wissensentdeckung in Datenbanken und Data Mining: Ein Überblick.- C.A. Breitner, P.C. Lockemann, J.A. Schlösser: Die Rolle der Informationsverwaltung im KDD-Prozeß.- R. Engels, G. Lindner, R. Studer: Benutzerunterstützung für Wissensentdeckung in Datenbanken.- C. Borgelt, R. Kruse: Attributsauswahlmaße für die Induktion von Entscheidungsbäumen: Ein Überblick.- H. Kauderer, G. Nakhaeizadeh: Skalierung als alternative Datentransformation und deren Auswirkungen auf die Leistungsfähigkeit von Supervised Learning Algorithmen.- U. Grimmer, H.-J. Mucha: Datensegmentierung mittels Clusteranalyse.- F. Schwenker: Adaptive Verfahren der Clusteranalyse und der multidimensionalen Skalierung für die Analyse und Visualisierung hochdimensionaler Datenmengen.- P. Kischka: Kausale Interpretation von Graphen.- K.-P. Huber, M.R. Berthold: Datenbasierte Verhaltensanalyse mit Fuzzy Graphen.- H. v. Hasseln: IPF für bedingte Wahrscheinlichkeiten: Lernen in Probabilistischen Netzwerken.- P. Brockhausen, K. Morik: Wissensentdeckung in relationalen Datenbanken: Eine Herausforderung für das maschinelle Lernen.- S. Huschens: Konfidenzintervalle für den Value-at-Risk.- W. Jammernegg, M. Luptácik, G. Nakhaeizadeh, A. Schnabl: Ist ein fairer Vergleich von Data Mining Algorithmen möglich?- M. Müller, C. Hausdorf, J. Schneeberger: Zur Interessantheit bei der Entdeckung von Wissen in Datenbanken.- J. Utans: Modellselektion für Neuronale Netzwerke.- U. Anders: Die statistische Verteilung der Gewichte von neuronalen Netzen bei finiten Datenmengen.- J. Baetge, C. Uthoff: Entwicklung eines Bonitätsindexes auf der Basis von Wirtschaftsauskünften der Vereine Creditreform mit Künstlichen Neuronalen Netzen.- K. Bartlmae, T. Schneckenburger: Multi Task Learningzur Prognose von Aktienkursen unter Berücksichtigung der Integration von Finanzmarktdaten.- F.A. Rauscher: Neuronale Kointegration - Ein Anwendungsbeispiel zur Wechselkursprognose.- A. Szczesny: Risikomessung mit Shortfall-Maßen.
Report
"... Dem Herausgeber ist es gelungen, ein interessantes und informatives Sammelwerk zum Thema Data Mining zusammenzustellen, das Wissenschaftlern und wissenschaftlich interessierten Praktikern empfohlen werden kann."
Wirtschaftsinformatik, Jg. 41, Heft 1, 1999
