Data Mining: Praktische Werkzeuge und Techniken für das maschinelle Lernen

Data Mining Praktische Werkzeuge und Techniken f r das maschinelle Lernen go inside Kindle Das Buch bietet einen guten Rundumschlag der Data Mining Welt Alle Standardverfahren und eini

Data Mining: Praktische Werkzeuge und Techniken für das maschinelle Lernen go inside Kindle Das Buch bietet einen guten Rundumschlag der Data-Mining-Welt.Alle Standardverfahren und einige ausgefallenere Bereiche werden praxisnahe durchleuchtet. Statt trockene Theorie und der sonst üblichen Menge an Beweisen geht der Autor lieber auf praktische Anwendungsgebiete ein und beleuchtet das "kann man sich vorstellen als". Das Werk eignet sich sowohl als Grundlagenkurs, als auch zum Nachschlagen. Die vielen Beispiele helfen schnell zu verstehen, wie ein bestimmtes Verfahren funktioniert. Neben den Algorithmen der Informatik werden auch Methoden der Statistik (für Informatiker verständlich) erläutert.Der letzte Teil des Buches zu Weka ist eher nutzlos, wenn man auf andere Tools wie beispielsweise Rapidminer setzte. Leider werden hier einige Verfahren nur kurz angerissen und in Bezug auf ihre Nutzung in Weka erklärt. Hier hätte ich mir eher gewünscht die Verfahren detailliert zu erläutern. Dieser Teil des Buches nimmt leider knapp 120 der gut 500 Seiten ein. Verschenkter Platz, finde ich. Daher nur 4 Sterne.Der Inhalt in Kürze:- Was sind "Maschine Learning" und "Data Mining"?- Grundlagen zu Konzepten, Instanzen und Attributen- Wissensrepräsentation- Algorithmen (z.B. Regel-Lernen, statistische Modelle, Assoziationsregeln, instanzbasiertes Lernen, Clustering)- Evaluation (z.B. X-Validierung, Vorhersage-Wahrscheinlichkeiten)- Implementierung von Verfahren (z.B. Klassifizierungsregeln, Bayes'sche Modelle)- Transformation von Ein- und Ausgabe- Weka. Data Mining bedeutet Extrahieren von impliziten, noch unbekannten Informationen aus Rohdaten Dazu sollten Computer in die Lage versetzt werden, Datenbanken automatisch nach Gesetzm igkeiten und Mustern zu durchsuchen und einen Abstraktionsprozess durchzuf hren, der als Ergebnis aussagekr ftige Informationen liefert Das maschinelle Lernen stellt daf r die Werkzeuge und Techniken zur Verf gung.Dieses Buch f hrt sowohl in die Konzepte des maschinellen Lernens ein als auch in seine Anwendung in realistischen Situationen Der Leser lernt, die Eingabe richtig vorzubereiten und die Ergebnisse zu interpretieren und zu bewerten Die algorithmischen Methoden, die f r erfolgreiches Data Mining wichtig sind, werden vorgestellt sowohl bew hrte als auch innovative, die auf Java basieren Aus dem Inhalt Eingabe Konzepte, Instanzen, Attribute Ausgabe Wissensrepr sentation Algorithmen Die grundlegenden Methoden Glaubw rdigkeit Auswertung des Gelernten Implementierung Maschinelles Lernen in der Praxis Aufbereitung der Ein und Ausgabe Algorithmen des maschinellen Lernens in JavaIm Internet Die Autoren bieten im Internet ein Java Software System f r maschinelles Lernen an.. The best Book Data Mining: Praktische Werkzeuge und Techniken für das maschinelle Lernen Ich finde das Buch „Data Mining“ von Witten und Frank konzeptionell misslungen, schlecht (und offensichtlich mit „heißer Nadel“) geschrieben und überteuert. Zunächst ist das Buch m.E. in der Umsetzung nicht konsequent genug strukturiert. So geben die Autoren zwar durchaus an, in Kapitel 4 Algorithmen für in Kapitel 3 vorgestellte Möglichkeiten der „Wissensdarstellung“ anzugeben, deren Implementierung wiederum in Kapitel 6 erläutert werden soll. Allerdings finden sich dann einige "kompliziertere“ Algorithmen, z.B. Regressionsbäume, erst in Kapitel 6 wieder, ohne dass sie in Kapitel 4 vorgestellt worden sind. Warum, wird nicht so richtig klar. Viel schlimmer ist jedoch das gescheiterte Konzept: Im Vorwort wird als Anspruch des Buches definiert, die Lücke zwischen zu oberflächlichen Management-Büchern und für praktische Anwender zu tiefgreifende Theorieabhandlungen zu schließen, was sicherlich ein sehr löbliches Vorhaben ist. Zu häufig geraten die Darstellungen dabei allerdings zu kurz und werden damit unverständlich, während Trivialitäten häufig wiederholt werden. Außerdem ist mir nicht ganz klar, welche Leser auf der einen Seite die benutzte mathematische Begrifflichkeit verstehen, dabei aber gleichzeitig nicht wissen sollen, wie Bayes’ Regel der bedingten Wahrscheinlichkeit oder eine lineare Regression funktioniert. Nach einer Weile beginnen einen schließlich auch die zahlreichen kleinen Fehler zu ärgern, die sich durch das Buch ziehen, z.B. hier eine Null zuviel, dort Analyse einer Tabelle auf Basis von 12 Einträgen, die aber nur 11 hat. Das merkt man zwar, wenn man aufmerksam liest, und kann es auch selbst korrigieren, aber bei einem Paperback-Buch zu diesem Preis könnte man eine etwas ordentlichere Bearbeitung m.E. schon erwarten. Da kann man sich über das viel zu kurze Stichwortverzeichnis schon gar nicht mehr aufregen. Für die Käufer, die sich nicht im Laden schon immer das komplette Inhaltverzeichnis ansehen (oder mit den dort verwendeten Begriffen nichts anfangen können), sei schließlich noch angemerkt, dass in dem Buch keine Darstellung von Neuronalen Netzen stattfindet.

About Author

  1. Ian H. Witten Is a well-known author, some of his books are a fascination for readers like in the Data Mining: Praktische Werkzeuge und Techniken für das maschinelle Lernen book, this is one of the most wanted Ian H. Witten author readers around the world.

    Reply

Data Mining: Praktische Werkzeuge und Techniken für das maschinelle Lernen Comment

  1. Das Buch bietet einen guten Rundumschlag der Data Mining Welt.Alle Standardverfahren und einige ausgefallenere Bereiche werden praxisnahe durchleuchtet Statt trockene Theorie und der sonst blichen Menge an Beweisen geht der Autor lieber auf praktische Anwendungsgebiete ein und beleuchtet das kann man sich vorstellen als Das Werk eignet sich sowohl als Grundlagenkurs, als auch zum Nachschlagen Die vielen Beispiele helfen schnell zu verstehen, wie ein bestimmtes Verfahren funktioniert Neben den Al [...]


  2. Ich finde das Buch Data Mining von Witten und Frank konzeptionell misslungen, schlecht und offensichtlich mit hei er Nadel geschrieben und berteuert Zun chst ist das Buch m.E in der Umsetzung nicht konsequent genug strukturiert So geben die Autoren zwar durchaus an, in Kapitel 4 Algorithmen f r in Kapitel 3 vorgestellte M glichkeiten der Wissensdarstellung anzugeben, deren Implementierung wiederum in Kapitel 6 erl utert werden soll Allerdings finden sich dann einige kompliziertere Algorithmen, z [...]


  3. M.E ist das Buch das best geeignetste Text Buch f r eine Einf hrungsvorlesung in Data Mining auf dem Markt Alle wichtigen Konzepte werden klar erkl rt, Tiefe ist vorhanden falls gebraucht, und die dazugeh rige Java Software ist unbezahlbar aber gratis.Die getroffene Auswahl unvermeidlich ist ausgezeichnet und deckt alle wesentlichen Bereiche ab, sowohl was Lernalgorithmen Entscheidungsb ume, Assoziations Regeln, Clustering, Support Vector Maschinen als auch Vor und Nachverarbeitungsschritte ange [...]


Leave a Reply

Your email address will not be published. Required fields are marked *