Bewertung:
Das Buch dient sowohl Anfängern als auch erfahrenen Datenanalysten als wichtige Ressource und konzentriert sich auf Data Mining und Predictive Analytics mit praktischen Anwendungen unter Verwendung von RapidMiner. Es hält ein Gleichgewicht zwischen Theorie und praktischen Übungen und macht komplexe Konzepte leichter zugänglich. Während das Buch für seine klaren Erklärungen und visuellen Beispiele gelobt wurde, erhielt es auch Kritik für seine begrenzte Abdeckung von RapidMiner und bestimmten Evaluierungsaspekten.
Vorteile:Das Buch ist gut strukturiert mit klaren Erklärungen, visuellen Beispielen und praktischen Übungen, so dass es sowohl für Anfänger als auch für erfahrene Benutzer geeignet ist. Es lehrt effektiv Data-Mining-Konzepte neben der praktischen Umsetzung in RapidMiner. Die Leser schätzen das fundierte Wissen der erfahrenen Autoren, die umfangreichen Diagramme und den Fokus auf datengesteuerte Entscheidungsfindung.
Nachteile:Einige Leser fanden die Behandlung von RapidMiner in diesem Buch unzureichend und merkten an, dass Schlüsselkonzepte zu spät im Buch eingeführt wurden. Zusätzlich gab es Beschwerden über die oberflächliche Behandlung der Modellevaluation und das Vorhandensein von Tippfehlern. Einige Rezensenten waren der Meinung, dass das Buch nur für Anfänger geeignet sei.
(basierend auf 25 Leserbewertungen)
Predictive Analytics and Data Mining: Concepts and Practice with Rapidminer
Lernen Sie die Grundlagen der prädiktiven Analyse und des Data Mining anhand eines leicht verständlichen konzeptionellen Rahmens und wenden Sie die erlernten Konzepte sofort mit dem Open-Source-Tool RapidMiner an. Ob Sie ganz neu im Data Mining sind oder an Ihrem zehnten Projekt arbeiten, dieses Buch wird Ihnen zeigen, wie Sie Daten analysieren, versteckte Muster und Beziehungen aufdecken, um wichtige Entscheidungen und Vorhersagen zu unterstützen.
Data Mining ist zu einem unverzichtbaren Werkzeug für jedes Unternehmen geworden, das im Rahmen seiner Geschäftstätigkeit Daten sammelt, speichert und verarbeitet. Dieses Buch ist ideal für Geschäftsanwender, Datenanalysten, Business-Analysten, Business-Intelligence- und Data-Warehousing-Fachleute sowie für alle, die Data Mining lernen wollen. Sie werden in der Lage sein,: 1.
Das nötige Wissen über verschiedene Data-Mining-Techniken zu erlangen, um die richtige Technik für ein bestimmtes Datenproblem auszuwählen und einen allgemeinen Analyseprozess zu erstellen. 2.
Schneller Einstieg in mehr als zwei Dutzend gängige und leistungsstarke Algorithmen für prädiktive Analysen anhand praktischer Anwendungsfälle. 3. Implementieren Sie einen einfachen Schritt-für-Schritt-Prozess für die Vorhersage eines Ergebnisses oder die Entdeckung versteckter Beziehungen aus den Daten mit RapidMiner, einem Open-Source-GUI-basierten Data-Mining-Tool.
Prädiktive Analytik und Data-Mining-Techniken werden behandelt: Explorative Datenanalyse, Visualisierung, Entscheidungsbäume, Regelinduktion, k-Nächste Nachbarn, Na ve Bayesian, Künstliche Neuronale Netze, Support Vector Machines, Ensemble-Modelle, Bagging, Boosting, Random Forests, Lineare Regression, Logistische Regression, Assoziationsanalyse mit Apriori und FP Growth, K-Means-Clustering, dichtebasiertes Clustering, Self Organizing Maps, Text Mining, Zeitreihenvorhersage, Erkennung von Anomalien und Merkmalsauswahl. Die Implementierungsdateien können von der Website des Buches www.LearnPredictiveAnalytics.com heruntergeladen werden.
| ISBN: | 9780128014608 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2014 |
| Seitenzahl: | 448 |
Derzeit verfügbar, auf Lager.
