Ausreißer-Erkennung in kategorischen Daten

Originaltitel:

Outlier Detection in Categorical Data

Inhalt des Buches:

Datensätze werden durch die Eigenschaften der Mehrheit der darin enthaltenen Datenobjekte charakterisiert. Es gibt.

Einige wenige Datenobjekte, deren Eigenschaften nicht mit den Haupteigenschaften der.

Datenobjekte in einem Datensatz. Diese Datenobjekte können wertvolle Informationen enthalten und werden als.

Ausreißer. Die Erkennung von Ausreißern ist ein wichtiges Konzept im Data Mining, da es.

Anwendung in einem breiten Spektrum von Bereichen. Die Ausreißererkennung bezieht sich auf das Problem des Auffindens versteckter.

Beobachtungen mit wichtigen Informationen, deren Eigenschaften nicht mit den Eigenschaften der anderen Beobachtungen übereinstimmen.

Mainstream-Beobachtungen im Datensatz. Die Erkennung von Ausreißern war kein interessantes Forschungsgebiet.

bis in das letzte Jahrzehnt. In den letzten Jahren wurde die Ausreißererkennung von einer Reihe von.

Forscher untersucht, da sie für eine Vielzahl von Anwendungsbereichen von Bedeutung ist und different Techniken.

Es wurden verschiedene Techniken zur Erkennung von Ausreißern in verschiedenen Bereichen entwickelt. Ausreißer werden in der Literatur auch als Anomalien bezeichnet.

Die Literatur. Je nach Anwendungsbereich und Kontext werden sie auch als.

Ausnahmen, Fehler, nicht übereinstimmende Beobachtungen, Rauschen, Fehler, Defekte, Abweichungen,.

Neuerungen, Besonderheiten oder Verunreinigungen. Früher war die Erkennung von Ausreißern ein Forschungsthema in.

Statistik. Heutzutage ist sie ein Forschungsgebiet in vielen Wissenschaftszweigen, darunter.

Data Mining und maschinelles Lernen.

Weitere Daten des Buches:

• ISBN: 9781916706712
• Autor: Roy Thomas
• Verlag: Lightning Source Inc
• Sprache: Englisch
• Einband: Taschenbuch