Ulteriori informazioni
'Data Mining' bedeutet Extrahieren von impliziten, noch unbekannten Informationen aus Rohdaten. Dazu müssen Computer in die Lage versetzt werden, Datenbanken automatisch nach Gesetzmäßigkeiten und Mustern zu durchsuchen und einen Abstraktionsprozess durchzuführen, der als Ergebnis aussagekräftige Informationen liefert. Das so genannte maschinelle Lernen stellt dafür die Werkzeuge und Techniken zur Verfügung.
Dieses Buch führt sowohl in die Konzepte des maschinellen Lernens ein als auch in seine praktische Anwendung in realistischen Situationen. Der Leser lernt, die Eingabe richtig vorzubereiten und die Ergebnisse zu interpretieren und zu bewerten. Die algorithmischen Methoden, die für erfolgreiches 'Data Mining' wichtig sind, werden vorgestellt - sowohl bewährte als auch innovative, die auf Java basieren.
Info autore
Ian H. Witten is a professor of computer science at the University of Waikato in New Zealand. He directs the New Zealand Digital Library research project. His research interests include information retrieval, machine learning, text compression, and programming by demonstration. He received an MA in Mathematics from Cambridge University, England; an MSc in Computer Science from the University of Calgary, Canada; and a PhD in Electrical Engineering from Essex University, England. He is a fellow of the ACM and of the Royal Society of New Zealand. He has published widely on digital libraries, machine learning, text compression, hypertext, speech synthesis and signal processing, and computer typography. He has written several books.
Eibe Frank is a researcher in the Machine Learning group at the University of Waikato. He holds a degree in computer science from the University of Karlsruhe in Germany and is the author of several papers, both presented at machine learning conferences and published in machine learning journals.
