Bewertung:

Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 6 Stimmen.
Event Mining for Explanatory Modeling
In diesem Buch wird das Konzept des Event Mining zur Erstellung von Erklärungsmodellen aus Analysen korrelierter Daten vorgestellt. Ein solches Modell kann als Grundlage für Vorhersagen und Korrekturmaßnahmen verwendet werden. Die Idee ist, in einem iterativen Prozess ein Modell zu erstellen, das kausale Beziehungen in Form von strukturellen und zeitlichen Mustern in den Daten erklärt.
Die erste Phase ist der datengesteuerte Prozess der Hypothesenbildung, der die Analyse großer Datenmengen erfordert, um starke Hypothesenkandidaten zu finden. Die zweite Phase ist die Hypothesenprüfung, bei der das Wissen und das Urteilsvermögen eines Domänenexperten genutzt wird, um die Hypothesenkandidaten zu prüfen und zu ändern. Das Buch ist als Einführung in das Event Mining für Datenenthusiasten und Informationsexperten gedacht, die an der Anwendung dieser ereignisbasierten Datenanalysetechniken in verschiedenen Anwendungen interessiert sind.
Der Leser erhält eine Einführung in Frameworks für zeitliche Wissensrepräsentation und Schlussfolgerungen sowie in temporales Data Mining und Mustererkennung. Außerdem werden die Designprinzipien von Event-Mining-Systemen diskutiert.
Der Ansatz wird durch die Präsentation eines Event-Mining-Systems namens EventMiner verdeutlicht, einem Berechnungsrahmen für die Erstellung von Erklärungsmodellen. Das Buch enthält Fallstudien zum Einsatz von EventMiner im Asthma-Risikomanagement und eine Architektur für das objektive Selbst.
Der Text kann von Forschern genutzt werden, die daran interessiert sind, den Wert heterogener Big Data für die Entwicklung erklärender ereignisbasierter Modelle in verschiedenen Anwendungsbereichen wie Gesundheitswesen, biologische Datenanalyse, prädiktive Wartung von Systemen, Computernetzwerke und Business Intelligence nutzbar zu machen.