國立虎尾科技大學 |

Predictive Analytics und Data Mining = Eine Einführung mit R /

紀錄類型:	書目-語言資料,印刷品 : Monograph/item
正題名/作者:	Predictive Analytics und Data Mining / von Marlis von der Hude.
其他題名:	Eine Einführung mit R /
作者:	von der Hude, Marlis.
面頁冊數:	XI, 224 S. 118 Abb., 72 Abb. in Farbe.online resource. :
Contained By:	Springer Nature eBook
標題:	Theory of Computation. -
電子資源:	https://doi.org/10.1007/978-3-658-30153-8
ISBN:	9783658301538

Predictive Analytics und Data Mining = Eine Einführung mit R /
von der Hude, Marlis.

Predictive Analytics und Data Mining Eine Einführung mit R /[electronic resource] :von Marlis von der Hude. - 1st ed. 2020. - XI, 224 S. 118 Abb., 72 Abb. in Farbe.online resource.

Deskriptive Verfahren -- Clusterverfahren -- Dimensionsreduktion -- Prädiktive Verfahren für Klassifikations- und Regressionsfragestellungen -- Empirischer Vergleich der Performance verschiedener Klassifikationsverfahren.

Dieses Buch bietet einen leicht verständlichen Einstieg in die Thematik des Data Minings und der Prädiktiven Analyseverfahren. Als Methodensammlung gedacht, bietet es zu jedem Verfahren zunächst eine kurze Darstellung der Theorie und erklärt die zum Verständnis notwendigen Formeln. Es folgt jeweils eine Illustration der Verfahren mit Hilfe von Beispielen, die mit dem Programmpaket R erarbeitet werden. Zum Abschluss wird eine einfache Möglichkeit präsentiert, mit der die Performancewerte verschiedener Verfahren mit statistischen Mitteln verglichen werden können. Zum Einsatz kommen hierbei geeignete Grafiken und Konfidenzintervalle. Das Buch verzichtet nicht auf Theorie, es präsentiert jedoch so wenig Theorie wie möglich, aber so viel wie nötig und ist somit optimal für Studium und Selbststudium geeignet. Der Inhalt Deskriptive Verfahren Clusterverfahren Dimensionsreduktion Prädiktive Verfahren für Klassifikations- und Regressionsfragestellungen Empirischer Vergleich der Performance verschiedener Klassifikationsverfahren Die Zielgruppe Studierende der Wirtschaftsinformatik, Informatik und Ingenieurwissenschaften Die Autorin Marlis von der Hude hat Mathematik mit dem Schwerpunkt Statistik an der Freien Universität Berlin studiert und anschließend an der Technischen Universität Berlin promoviert. Nach mehreren praktischen Tätigkeiten im Gesundheits- und Wirtschaftsbereich hat sie zuletzt viele Jahre im Fachbereich Informatik der Hochschule Bonn-Rhein-Sieg gelehrt.

ISBN: 9783658301538

Standard No.: 10.1007/978-3-658-30153-8doiSubjects--Topical Terms:

669322
Theory of Computation.

LC Class. No.: QA76.9.D343

Dewey Class. No.: 006.312

Predictive Analytics und Data Mining = Eine Einführung mit R /
LDR:02968nam a22003615i 4500 001 1023707
003 DE-He213
005 20200716062153.0
007 cr nn 008mamaa
008 210318s2020 gw | s |||| 0|ger d
020 $a 9783658301538 $9 978-3-658-30153-8
024 7 $a 10.1007/978-3-658-30153-8 $2 doi
035 $a 978-3-658-30153-8
050 4 $a QA76.9.D343
072 7 $a UNF $2 bicssc
072 7 $a COM021030 $2 bisacsh
072 7 $a UNF $2 thema
072 7 $a UYQE $2 thema
082 0 4 $a 006.312 $2 23
100 1 $a von der Hude, Marlis. $e author. $4 aut $4 http://id.loc.gov/vocabulary/relators/aut $3 1319709
245 1 0 $a Predictive Analytics und Data Mining $h [electronic resource] : $b Eine Einführung mit R / $c von Marlis von der Hude.
250 $a 1st ed. 2020.
264 1 $a Wiesbaden : $b Springer Fachmedien Wiesbaden : $b Imprint: Springer Vieweg, $c 2020.
300 $a XI, 224 S. 118 Abb., 72 Abb. in Farbe. $b online resource.
336 $a text $b txt $2 rdacontent
337 $a computer $b c $2 rdamedia
338 $a online resource $b cr $2 rdacarrier
347 $a text file $b PDF $2 rda
505 0 $a Deskriptive Verfahren -- Clusterverfahren -- Dimensionsreduktion -- Prädiktive Verfahren für Klassifikations- und Regressionsfragestellungen -- Empirischer Vergleich der Performance verschiedener Klassifikationsverfahren.
520 $a Dieses Buch bietet einen leicht verständlichen Einstieg in die Thematik des Data Minings und der Prädiktiven Analyseverfahren. Als Methodensammlung gedacht, bietet es zu jedem Verfahren zunächst eine kurze Darstellung der Theorie und erklärt die zum Verständnis notwendigen Formeln. Es folgt jeweils eine Illustration der Verfahren mit Hilfe von Beispielen, die mit dem Programmpaket R erarbeitet werden. Zum Abschluss wird eine einfache Möglichkeit präsentiert, mit der die Performancewerte verschiedener Verfahren mit statistischen Mitteln verglichen werden können. Zum Einsatz kommen hierbei geeignete Grafiken und Konfidenzintervalle. Das Buch verzichtet nicht auf Theorie, es präsentiert jedoch so wenig Theorie wie möglich, aber so viel wie nötig und ist somit optimal für Studium und Selbststudium geeignet. Der Inhalt Deskriptive Verfahren Clusterverfahren Dimensionsreduktion Prädiktive Verfahren für Klassifikations- und Regressionsfragestellungen Empirischer Vergleich der Performance verschiedener Klassifikationsverfahren Die Zielgruppe Studierende der Wirtschaftsinformatik, Informatik und Ingenieurwissenschaften Die Autorin Marlis von der Hude hat Mathematik mit dem Schwerpunkt Statistik an der Freien Universität Berlin studiert und anschließend an der Technischen Universität Berlin promoviert. Nach mehreren praktischen Tätigkeiten im Gesundheits- und Wirtschaftsbereich hat sie zuletzt viele Jahre im Fachbereich Informatik der Hochschule Bonn-Rhein-Sieg gelehrt.
650 2 4 $a Theory of Computation. $3 669322
650 2 4 $a Mathematics of Computing. $3 669457
650 1 4 $a Data Mining and Knowledge Discovery. $3 677765
650 0 $a Computers. $3 565115
650 0 $a Computer science—Mathematics. $3 1253519
650 0 $a Data mining. $3 528622
710 2 $a SpringerLink (Online service) $3 593884
773 0 $t Springer Nature eBook
776 0 8 $i Printed edition: $z 9783658301521
856 4 0 $u https://doi.org/10.1007/978-3-658-30153-8
912 $a ZDB-2-STI
950 $a Computer Science and Engineering (German Language) (SpringerNature-11774)