Predictive Analytics und Data Mining

Eine Einführung mit R
1. Auflage 2020
ISBN: 978-3-658-30152-1
Verlag: Springer

Buch, Deutsch, 224 Seiten, Format (B × H): 168 mm x 240 mm, Gewicht: 458 g

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.

Zielgruppe

Upper undergraduate

Autoren/Hrsg.

Hude, Marlis von der

Fachgebiete

• Mathematik | Informatik EDV | Informatik Informatik Mathematik für Informatiker
• Mathematik | Informatik EDV | Informatik Daten / Datenbanken Data Mining
• Mathematik | Informatik EDV | Informatik Informatik Theoretische Informatik

Inhaltsverzeichnis

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

Über Autor(innen)

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.