Data Mining

Modelle und Algorithmen intelligenter Datenanalyse
Author: Thomas A. Runkler
Publisher: Springer-Verlag
ISBN: 3834821713
Category: Computers
Page: 145
View: 8828

Continue Reading →

Dieses Lehrbuch behandelt die wichtigsten Methoden zur Erkennung und Extraktion von „Wissen“ aus numerischen und nicht-numerischen Datenbanken in Technik und Wirtschaft. Der Autor vermittelt einen kompakten und zugleich fundierten Überblick über die verschiedenen Methoden sowie deren Zielsetzungen und Eigenschaften. Dadurch werden Leser befähigt, Data Mining eigenständig anzuwenden.

Data Mining

Verfahren, Prozesse, Anwendungsarchitektur
Author: Helge Petersohn
Publisher: Oldenbourg Verlag
ISBN: 9783486577150
Category:
Page: 330
View: 8043

Continue Reading →

In vielen, insbesondere in grosseren Unternehmen entstehen in kurzen Zeitraumen Terabyte von Daten. Diese umfangreichen Datenbestande beinhalten wertvolle Informationen fur Entscheider und erfordern die Anwendung von anspruchsvollen mathematisch-statistischen Verfahren zur Datenanalyse. In diesem Buch wird eine Anwendungsarchitektur fur Data Mining entwickelt. Ein wesentlicher Beitrag besteht in der systematischen Aufarbeitung von Data Mining-Verfahren und deren anwendungsbezogene Einordnung in die Data Mining-Anwendungsarchitektur (DMA)."

Data Mining

Ein Überblick über Verfahren und Anwendungsfelder
Author: Jürgen Sembdner
Publisher: diplom.de
ISBN: 3832428445
Category: Computers
Page: 101
View: 948

Continue Reading →

Inhaltsangabe:Einleitung: Die Arbeit beschäftigt sich mit der Beschreibung der gängigen Data-Mining-Verfahren und beschreibt deren Anwendungsgebiete in der Praxis. Nachdem in Kapitel 2 der Begriff Data Mining definiert und zu verwandten Themengebieten abgegrenzt wird, werden im Schwerpunkt der Arbeit, dem dritten Kapitel, die Data-Mining-Verfahren dargestellt. Dabei werden in Kapitel 3.1 die klassischen Verfahren der Clusteranalyse beschrieben, in Kapitel 3.2 die Bayes-Klassifikation und die Assoziationsanalyse als statistische Verfahren vorgestellt und im Kapitel 3.3 eine Alternative zu den klassischen Clustermethoden vorgeführt, das konzeptionelle Clustern. Außerdem werden die Entscheidungsbaummethoden dargestellt. Das Kapitel schließt mit einer Beschreibung von künstlichen Neuronalen Netzen und Genetischen Algorithmen ab. Im vierten Kapitel sollen dann beispielhaft praxisrelevante Anwendungsfelder beschrieben werden. Neben der Betrugserkennung, auf die bereits in der Einleitung hingedeutet wurde, soll auf die Möglichkeiten der Warenkorbanalyse, Kundensegmentierung und Datenreinigung eingegangen werden. Das Kapitel endet mit dem Versuch, durch Anwendung von Neuronalen Netzen Aktienkurse vorherzusagen. Nach einer Zusammenfassung in Kapitel 5 soll ein Ausblick gegeben werden, welche Entwicklungslinien für Data Mining denkbar sind und welche strategische Bedeutung sich hieraus für ein Unternehmen ergibt. Inhaltsverzeichnis:Inhaltsverzeichnis: 1.Einleitung6 1.1Motivation zur Anwendung von Data Mining 6 1.2Zielsetzung der Arbeit7 1.3Aufbau und Schwerpunktsetzung8 2.Einordnung und Begriffsbestimmung8 2.1Der Gesamtprozess Knowledge Discovery in Databases (KDD) 8 2.2Definition Data Mining 10 2.3Abgrenzung zu anderen Disziplinen12 2.3.1Data Warehouse12 2.3.2Visualisierungstechniken13 2.3.3Statistik14 2.3.4Maschinelles Lernen15 2.3.5Expertensysteme16 3.Eigenschaften von Data-Mining-Verfahren17 3.1Clusteranalyse18 3.1.1Hierarchische Clusterung18 3.1.1.1Agglomerative Methoden23 3.1.1.2Divisive Methoden26 3.1.1.3Eigenschaften hierarchischer Methoden28 3.1.2Partitionierende Clusterung29 3.1.2.1K-Means-Algorithmus29 3.1.2.2FKM-Algorithmus33 3.1.2.3Eigenschaften partitionierender Methoden39 3.2Statistische Verfahren40 3.2.1Bayes-Klassifikation40 3.2.1.1Beschreibung des Verfahrens40 3.2.1.2Eigenschaften der Bayes-Klassifikation44 3.2.2Assoziationsanalyse45 3.2.2.1Beschreibung des Verfahrens45 3.2.2.2Eigenschaften der [...]

Urban data mining

Operationalisierung der Strukturerkennung und Strukturbildung von Ähnlichkeitsmustern über die gebaute Umwelt
Author: N.A
Publisher: KIT Scientific Publishing
ISBN: 3866442491
Category:
Page: 303
View: 1569

Continue Reading →

Data Mining


Author: Jürgen Cleve,Uwe Lämmel
Publisher: Walter de Gruyter GmbH & Co KG
ISBN: 311045677X
Category: Computers
Page: 328
View: 1733

Continue Reading →

In den riesigen Datenbergen moderner Datenbanken steckt unentdecktes Wissen, das ohne geeignete Hilfsmittel kaum zu Tage gefördert werden kann. Hier setzt das Data Mining an und liefert Methoden und Algorithmen, um bisher unbekannte Zusammenhänge zu entdecken. Nach der Vermittlung der Grundlagen und Anwendungsklassen des Data Mining in den ersten beiden Kapiteln wird in Kapitel 3 auf geeignete Darstellungsmöglichkeiten für Data-Mining-Modelle eingegangen; Kapitel 4 behandelt die Algorithmen und Verfahrensklassen, Kapitel 5 geht auf konkrete Anwendungsarchitekturen ein. Das Buch deckt den Stoff einer einsemestrigen Vorlesung zu Data Mining an Universitäten oder Fachhochschulen ab und ist als klassisches Lehrbuch konzipiert. Es bietet Zusammenfassungen, zahlreiche Beispiele und Übungsaufgaben.

Data Mining im praktischen Einsatz

Verfahren und Anwendungsfälle für Marketing, Vertrieb, Controlling und Kundenunterstützung
Author: Paul Alpar,Joachim Niedereichholz
Publisher: Springer-Verlag
ISBN: 3322899500
Category: Technology & Engineering
Page: 232
View: 341

Continue Reading →

Das Buch stellt anhand von Praxisfällen dar, wie mit Hilfe der Verfahren des Data Mining und der Business Intelligence Verhaltensmuster und Wissen in großen Datenbeständen entdeckt werden können. Es geht beispielsweise um Kundensegmentierung, Bonitätsprüfung oder Werbeträgerplanung in Branchen wie Versandhandel, Versicherung, Einzelhandel oder Telekommunikation.

Data Mining

Theoretische Aspekte und Anwendungen
Author: Gholamreza Nakhaeizadeh
Publisher: Springer-Verlag
ISBN: 364286094X
Category: Business & Economics
Page: 363
View: 4486

Continue Reading →

Techniken des Data Mining, Knowledge Discovery und SPSS


Author: Holger Herrmann
Publisher: GRIN Verlag
ISBN: 3638897907
Category: Computers
Page: 32
View: 5745

Continue Reading →

Studienarbeit aus dem Jahr 2004 im Fachbereich Informatik - Wirtschaftsinformatik, Note: 1,7, FernUniversität Hagen, Veranstaltung: Wirtschaftsinformatik, 7 Quellen im Literaturverzeichnis, Sprache: Deutsch, Abstract: 1 Einleitung 1.1 Definition und Ziele des Data Mining 1.2 Vorgehensweise 1.3 Probleme beim Data Mining 1.4 Aufbereitung der Daten 2 Data Mining und Knowledge Discovery 2.1 Definition: „Knowledge Discovery“ 2.2 Die Phasen des Knowledge Discovery 3 Data Mining als Bestandteil des Data Warehousing 4 Techniken des Data Mining 4.1 Klassifikation und Entscheidungsbaum 4.1.1 Ziele der Verfahren 4.1.2 Beschreibung der Klassifikation und des Entscheidungsbaums 4.1.3 Anwendungsbeispiel eines Entscheidungsbaums 4.1.4 Probleme bei Klassifikation und Entscheidungsbaum 4.2 Die Assoziationsregeln 4.2.1 Ziel der Assoziationsregeln 4.2.2 Erzeugung von Assoziationsregeln 4.2.3 Anwendungsbeispiel von Assoziationsregeln 4.2.4 Probleme bei Assoziationsregeln 4.3 Das Clustering 4.3.1 Ziel des Clustering 4.3.2 Beschreibung des Clustering 4.3.3 Anwendungsbeispiel des Clustering 4.3.4 Probleme beim Clustering 5 Data Mining mit SPSS 5.1 Was ist SPSS? 5.2 Ein Beispiel zur Entscheidungsbaum-Analyse 6 Data Mining mit SAS 6.1 Das Unternehmen „SAS“ 6.2 Die Lösungen von SAS 6.3 Die Brücke zwischen Theorie und Praxis: Musterbeispiel KSFE 7 Zusammenfassung und Ausblick

Data Preparation for Data Mining


Author: Dorian Pyle
Publisher: Morgan Kaufmann
ISBN: 9781558605299
Category: Computers
Page: 540
View: 9966

Continue Reading →

A guide to the importance of well-structured data as the first step to successful data mining. It shows how data should be prepared prior to mining in order to maximize mining performance, and provides examples of how to apply a variety of techniques in order to solve real world business problems.

Data Mining

Multimedia, Soft Computing, and Bioinformatics
Author: Sushmita Mitra,Tinku Acharya
Publisher: John Wiley & Sons
ISBN: 9780471474883
Category: Computers
Page: 424
View: 7501

Continue Reading →

First title to ever present soft computing approaches and their application in data mining, along with the traditional hard-computing approaches Addresses the principles of multimedia data compression techniques (for image, video, text) and their role in data mining Discusses principles and classical algorithms on string matching and their role in data mining

Data Mining - Theorie und praktische Anwendungen


Author: Carl-Niklas Wentzel
Publisher: GRIN Verlag
ISBN: 3640268865
Category: Business & Economics
Page: 49
View: 6031

Continue Reading →

Bachelorarbeit aus dem Jahr 2009 im Fachbereich BWL - Allgemeines, Note: 1,0, Universität Wien (Wirtschaftsinformatik), Veranstaltung: Business Intelligence, 10 Quellen im Literaturverzeichnis, Sprache: Deutsch, Abstract: Heutzutage müssen Unternehmen, besonders jene mit viel Kundenverkehr, mit einer großen Menge an Daten haushalten. Diese zum Teil riesige Datenmenge hat das Potential nützliche Informationen für das Unternehmen zu enthalten. Data Mining bedeutet wörtlich übersetzt ‚das Schlürfen in Messdaten‘ was mit dem Schürfen nach Gold verglichen werden kann, da extrahierte Information aus einer Datenmenge für das Unternehmen sehr Wertvoll sein kann. Aus einem Datenberg entsteht Wissen. Daher wird für Data Mining auch der Begriff Knowledge Mining verwendet. Data Mining kann als systematischer, kreativer Prozess angesehen werden, der im Arbeitsfortschritt den Datenbestand nach Regelmäßigkeiten, Mustern, Strukturen, Abweichungen und Beziehungen sowie gegenseitigen Korrelationen jeglicher Art untersucht.1 Dazu verbindet Data Mining Methoden aus der Statistik, dem Maschinellem Lernen, der Datenbanken und der Visualisierung.

Statistische Methoden des Data Mining und deren Anwendung


Author: Hendrik Eisenberg
Publisher: diplom.de
ISBN: 3832479635
Category: Computers
Page: 111
View: 7028

Continue Reading →

Inhaltsangabe:Zusammenfassung: In dieser Arbeit stehen neben dem Begriff des Data Mining besonders die statistischen Methoden im Mittelpunkt. Interessenten sollen den kreativen Prozess des Data Mining näher kennen lernen und erfahren, welche Rolle dabei der Statistik zukommt. Das Ziel der Arbeit ist, eine weiterreichende Darstellung des Prozesses des Data Mining mit statistischen Methoden zu erstellen, angefangen bei der Zielfindung, über die Modellbildung, bis hin zur Bewertung der Ergebnisse. Dabei orientiert sich die Vorgehensweise der systematischen Auswertung an der Methode des CRoss Industry Standard Process for Data Mining, mit der sich Data Mining Prozesse beschreiben lassen. Zum besseren Verständnis werden grundlegende Begriffe zum Data Mining sowie die bedeutsamsten Methoden und Verfahren zur statistischen Datenanalyse erläutert, welche bei den im Anschluss aufgezeigten Data Mining Problemen zur Anwendung kommen. Die veranschaulichten Analyseprobleme entsprechen den Aufgaben der Data Mining Cups der Jahre 2001 und 2002. Dabei werden die zur Lösung angewendeten statistischen Methoden nachvollziehbar wiedergegeben und es wird auf die kritischen Erfolgsfaktoren eingegangen. Oftmals wirken sich schon einzelne Teilentscheidungen bei der Datenaufbereitung und bei den eingesetzten Klassifizierungsmethoden auf die Lösung der Data Mining Aufgabe aus. Daher stellte sich die Frage, wie solche Abweichungen von den aufgezeigten Methoden aussehen könnten. In dieser Arbeit werden im Einzelnen verschiedene Abwandlungen durchgeführt, am Ende zusammengefasst und diskutiert. Inhaltsverzeichnis:Inhaltsverzeichnis: Abbildungsverzeichnis6 Tabellenverzeichnis7 1.Einleitung9 1.1Problemstellung10 1.2Ziel der Arbeit11 1.3Themenabgrenzung12 2.Der Data Mining Prozess im CRISP-DM Referenzmodell14 2.1Das CRISP-DM Referenzmodell14 2.2Die Phasen des CRISP-DM Referenzmodells15 2.2.1business understanding (Anwendungsverstehen)15 2.2.2data understanding (Datenverstehen)16 2.2.3data preparation (Datenaufbereitung)16 2.2.4modeling (Modellerstellung)17 2.2.5evaluation (Bewertung der Ergebnisse)18 2.2.6deployment (Anwendung)19 3.Grundlegende Begriffe20 3.1Die Statistik im Data Mining Prozess20 3.2Segmentierung und Klassifikation22 3.2.1Begriff der Segmentierung22 3.2.2Begriff der Klassifikation22 3.3Standardisierung23 3.4Maße für die Ähnlichkeit von Objekten24 4.Methoden der statistischen [...]

Data Mining

Technologies, Techniques, Tools, and Trends
Author: Bhavani Thuraisingham
Publisher: CRC Press
ISBN: 9780849318153
Category: Computers
Page: 288
View: 8739

Continue Reading →

Focusing on a data-centric perspective, this book provides a complete overview of data mining: its uses, methods, current technologies, commercial products, and future challenges. Three parts divide Data Mining: Part I describes technologies for data mining - database systems, warehousing, machine learning, visualization, decision support, statistics, parallel processing, and architectural support for data mining Part II presents tools and techniques - getting the data ready, carrying out the mining, pruning the results, evaluating outcomes, defining specific approaches, examining a specific technique based on logic programming, and citing literature and vendors for up-to-date information Part III examines emerging trends - mining distributed and heterogeneous data sources; multimedia data, such as text, images, video; mining data on the World Wide Web; metadata aspects of mining; and privacy issues. This self-contained book also contains two appendices providing exceptional information on technologies, such as data management, and artificial intelligence. Is there a need for mining? Do you have the right tools? Do you have the people to do the work? Do you have sufficient funds allocated to the project? All these answers must be answered before embarking on a project. Data Mining provides singular guidance on appropriate applications for specific techniques as well as thoroughly assesses valuable product information.

Data Mining: Concepts and Techniques


Author: Jiawei Han,Jian Pei,Micheline Kamber
Publisher: Elsevier
ISBN: 9780123814807
Category: Computers
Page: 744
View: 8783

Continue Reading →

Data Mining: Concepts and Techniques provides the concepts and techniques in processing gathered data or information, which will be used in various applications. Specifically, it explains data mining and the tools used in discovering knowledge from the collected data. This book is referred as the knowledge discovery from data (KDD). It focuses on the feasibility, usefulness, effectiveness, and scalability of techniques of large data sets. After describing data mining, this edition explains the methods of knowing, preprocessing, processing, and warehousing data. It then presents information about data warehouses, online analytical processing (OLAP), and data cube technology. Then, the methods involved in mining frequent patterns, associations, and correlations for large data sets are described. The book details the methods for data classification and introduces the concepts and methods for data clustering. The remaining chapters discuss the outlier detection and the trends, applications, and research frontiers in data mining. This book is intended for Computer Science students, application developers, business professionals, and researchers who seek information on data mining. Presents dozens of algorithms and implementation examples, all in pseudo-code and suitable for use in real-world, large-scale data mining projects Addresses advanced topics such as mining object-relational databases, spatial databases, multimedia databases, time-series databases, text databases, the World Wide Web, and applications in several fields Provides a comprehensive, practical look at the concepts and techniques you need to get the most out of your data

Einsatzpotentiale von Data Mining und OLAP als Bestandteile moderner Managementunterstützungssysteme


Author: Christian Czech
Publisher: GRIN Verlag
ISBN: 3638850447
Category: Business & Economics
Page: 41
View: 713

Continue Reading →

Diplomarbeit aus dem Jahr 2005 im Fachbereich Informationswissenschaften, Informationsmanagement, Note: 1,3, Verwaltungs- und Wirtschaftsakademie Essen , 11 Quellen im Literaturverzeichnis, Sprache: Deutsch, Abstract: Management ist das englische Wort für Führung. Führung seinerseits bedeutet das zielgerichtete Einwirken auf das Verhalten anderer Menschen. Es geht also um Ziele und um ein Einwirken. Jedes Unternehmen wird mit einer Vision gegründet. Aus dieser Vision werden Handlungsstrategien abgeleitet, die die Erreichung von Zwischenzielen ermöglichen. Durch Vorgabe von konkreten Zielgrößen werden die Strategien operationabel gemacht. Das bedeutet, die Mitarbeiter des Unternehmens erhalten genaue Zielvorgaben, die sie zu erfüllen haben. Es stellt sich hierbei jedem Manager die Frage, welche Zielvorgaben zu wählen sind. Bei dieser Entscheidung sind einerseits die Vision des Unternehmens und die aktuellen Strategien von Bedeutung, andererseits aber auch die derzeitige Situation sowie die zurückliegende Entwicklung. Es sind also Unternehmensdaten aus der Vergangenheit und Gegenwart in Betracht zu ziehen und daraus Zukunftswerte, also Planzahlen, abzuleiten. Hierbei eignen sich EDV-Anlagen zur Unterstützung dieser Entscheidung sehr gut. Grundlage sind eine oder mehrere umfangreiche Datenbanken, die zur Bearbeitung der laufenden Geschäftsvorfälle durch Benutzereingaben abgefragt oder geändert werden können. Hierbei werden operative Informationssysteme und sog. Führungsinformationssysteme (engl. Executive Information Systems, EIS) unterschieden. Nach Hansen zählen zu den operativen IS Systeme für die Abwicklung von Geschäftstransaktionen (Transaktionssysteme) und Systeme, die Entscheidungen vorbereiten oder selber treffen (Dispositionssysteme). Auf strategischer Ebene existieren Planungssysteme, die Führungskräfte bei ihren Planungsaufgaben unterstützen, und Kontrollsysteme, die zur Überwachung der Einhaltung der Pläne durch Soll-Ist-Vergleiche und Hinweise auf notwendige Korrekturmaßnahmen dienen. Sämtliche Arten von Informationssystemen für Führungskräfte werden als Managementunterstützungssysteme (MUS) bezeichnet. Die aktuelle Situation in den Unternehmen ist allerdings weit entfernt von dieser Idealvorstellung. Durch den Einsatz moderner Informations- und Kommunikationstechniken steht zwar eine Vielzahl von digitalen Daten zur Verfügung, allerdings ist kaum jemand in der Lage, diese sinnvoll zu nutzen. Dieser Istzustand lässt sich charakterisieren als Informationsarmut trotz Datenflut. Die Datenflut entsteht durch den unternehmensweiten Einsatz operativer Anwendungssysteme.“ ...

Data Mining Im Personalmanagement


Author: Franca Piazza
Publisher: Springer-Verlag
ISBN: 9783834922205
Category: Business & Economics
Page: 227
View: 5380

Continue Reading →

Franca Piazza untersucht auf Basis der Entscheidungstheorie das Einsatzpotenzial von Data Mining im Personalmanagement. Sie zeigt, welche personalwirtschaftlichen Entscheidungen unterstützt werden können, worin der Beitrag zur personalwirtschaftlichen Entscheidungsunterstützung besteht und wie dieser zu bewerten ist.

Data Mining

Opportunities and Challenges
Author: John Wang
Publisher: IGI Global
ISBN: 9781931777834
Category: Computers
Page: 468
View: 8410

Continue Reading →

"An overview of the multidisciplinary field of data mining, this book focuses specifically on new methodologies and case studies. Included are case studies written by 44 leading scientists and talented young scholars from seven different countries. Topics covered include data mining based on rough sets, the impact of missing data, and mining free text for structure. In addition, the four basic mining operations supported by numerous mining techniques are addressed: predictive model creation supported by supervised induction techniques; link analysis supported by association discovery and sequence discovery techniques; DB segmentation supported by clustering techniques; and deviation detection supported by statistical techniques."

Data Mining and Data Visualization


Author: N.A
Publisher: Elsevier
ISBN: 9780080459400
Category: Mathematics
Page: 800
View: 7508

Continue Reading →

Data Mining and Data Visualization focuses on dealing with large-scale data, a field commonly referred to as data mining. The book is divided into three sections. The first deals with an introduction to statistical aspects of data mining and machine learning and includes applications to text analysis, computer intrusion detection, and hiding of information in digital files. The second section focuses on a variety of statistical methodologies that have proven to be effective in data mining applications. These include clustering, classification, multivariate density estimation, tree-based methods, pattern recognition, outlier detection, genetic algorithms, and dimensionality reduction. The third section focuses on data visualization and covers issues of visualization of high-dimensional data, novel graphical techniques with a focus on human factors, interactive graphics, and data visualization using virtual reality. This book represents a thorough cross section of internationally renowned thinkers who are inventing methods for dealing with a new data paradigm. Distinguished contributors who are international experts in aspects of data mining Includes data mining approaches to non-numerical data mining including text data, Internet traffic data, and geographic data Highly topical discussions reflecting current thinking on contemporary technical issues, e.g. streaming data Discusses taxonomy of dataset sizes, computational complexity, and scalability usually ignored in most discussions Thorough discussion of data visualization issues blending statistical, human factors, and computational insights

Advances in Knowledge Discovery and Data Mining

5th Pacific-Asia Conference, PAKDD 2001 Hong Kong, China, April 16-18, 2001. Proceedings
Author: David Cheung,Graham J. Williams,Qing Li
Publisher: Springer Science & Business Media
ISBN: 3540419101
Category: Computers
Page: 599
View: 7440

Continue Reading →

This book constitutes the refereed proceedings of the 5th Pacific-Asia Conference on Knowledge Discovery and Data Mining, PAKDD 2001, held in Hong Kong, China in April 2001. The 38 revised full papers and 22 short papers presented were carefully reviewed and selected from a total of 152 submissions. The book offers topical sections on Web mining, text mining, applications and tools, concept hierarchies, feature selection, interestingness, sequence mining, spatial and temporal mining, association mining, classification and rule induction, clustering, and advanced topics and new methods.

Data Mining For Dummies


Author: Meta S. Brown
Publisher: John Wiley & Sons
ISBN: 1118893174
Category: Computers
Page: 408
View: 6604

Continue Reading →

Offers information on how to search through large amounts of computerized business data to find useful patterns or trends, including creation and validity testing of a data model, effective communication of findings, and available tools.