Andere Kunden interessierten sich auch für
![Advances in Knowledge Discovery and Data Mining, Part II]( "Advances in Knowledge Discovery and Data Mining, Part II")
Advances in Knowledge Discovery and Data Mining, Part II77,99 €![Datenvorhersage-Analyse mit Data-Mining-Techniken]( "Datenvorhersage-Analyse mit Data-Mining-Techniken")
Datenvorhersage-Analyse mit Data-Mining-Techniken37,90 €![New Directions in Rough Sets, Data Mining, and Granular-Soft Computing]( "New Directions in Rough Sets, Data Mining, and Granular-Soft Computing")
New Directions in Rough Sets, Data Mining, and Granular-Soft Computing77,99 €![Spam in der Suchmaschinenoptimierung. Motivation, Techniken und Konsequenzen]( "Spam in der Suchmaschinenoptimierung. Motivation, Techniken und Konsequenzen")
Spam in der Suchmaschinenoptimierung. Motivation, Techniken und Konsequenzen17,95 €![Keyword Spotting in Videodateien mit Techniken der automatischen Spracherkennung]( "Keyword Spotting in Videodateien mit Techniken der automatischen Spracherkennung")
Keyword Spotting in Videodateien mit Techniken der automatischen Spracherkennung27,95 €![Service-orientierte Architekturen mit Web Services]( "Service-orientierte Architekturen mit Web Services")
Service-orientierte Architekturen mit Web Services49,99 €![Data Mining, Rough Sets and Granular Computing]( "Data Mining, Rough Sets and Granular Computing")
Data Mining, Rough Sets and Granular Computing115,99 €
Studienarbeit aus dem Jahr 2004 im Fachbereich Informatik - Wirtschaftsinformatik, Note: 1,7, FernUniversität Hagen, Veranstaltung: Wirtschaftsinformatik, 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