Name: Angewandte statistische Techniken für Data Mining (en Alemán)
Price: 164250.00 CLP
Availability: InStock
Author: Pandya, Darshanaben ; Jadeja, Abhijeetsinh ; Degadwala, Sheshang
ISBN: 9786205969717

portada Angewandte statistische Techniken für Data Mining (en Alemán)

Formato

Libro Físico

Autor

Editorial

Idioma

Alemán

N° páginas

172

Encuadernación

Tapa Blanda

Dimensiones

22.9 x 15.2 x 1.0 cm

Peso

0.26 kg.

ISBN13

9786205969717

Categorías

Tecnología de la información: cuestiones generales

Angewandte statistische Techniken für Data Mining (en Alemán)

Sheshang Degadwala (Autor) · Darshanaben Pandya (Autor) · Abhijeetsinh Jadeja (Autor) · Verlag Unser Wissen · Tapa Blanda

Libro Nuevo

$ 164.250

$ 228.120

Ahorras: $ 63.870

28% descuento

Envío normal

Origen: Estados Unidos (Costos de importación incluídos en el precio)

Se enviará desde nuestra bodega entre el Miércoles 07 de Agosto y el Lunes 19 de Agosto.

Lo recibirás en cualquier lugar de Chile entre 1 y 3 días hábiles luego del envío.

Reseña del libro "Angewandte statistische Techniken für Data Mining (en Alemán)"

Die Datenbereinigung ist ein wichtiger Schritt bei der Datenaufbereitung. Ein häufiges Problem, mit dem Datenanalysten konfrontiert werden, sind fehlende Werte in der Datenbank. Fehlende Werte beim Data Mining sind ein ständiges Problem, das zu Fehlern bei der Datenanalyse führen kann. Zufällig fehlende Elemente in den Attributen/Datensätzen machen die Datenanalyse kompliziert und führen zu verwirrenden konsolidierten Ergebnissen. Dies beeinträchtigt die Genauigkeit der Ergebnisse und Zwischenabfragen. Durch den Einsatz statistischer / numerischer Methoden kann man die fehlenden Daten wiederherstellen und die Verdachtsmomente in der Datenbank verringern. In der vorliegenden Untersuchung wird die Methode der Newton Forward Interpolation (NFI) angewandt, um die fehlenden Werte wiederherzustellen, sowie weitere verschiedene Methoden. Die Daten im Datensatz sind immer die Grundbausteine für jede Abfrage und jede weitere Aufgabe und Entscheidung. Wenn die Basisdaten unvollständig sind oder der Datensatz fehlende Werte aufweist, kann niemand von aktuellen Endberichten ausgehen. Beim Data Mining ist die Erkennung und Wiederherstellung fehlender Werte bei unregelmä igen Daten immer noch ein gro es Problem. Um diese Situation zu überwinden, werden statistische oder numerische Techniken benötigt, um die fehlenden Werte im Datensatz wiederherzustellen.