Avis des lecteurs
Résumé:Le livre reçoit des critiques mitigées, louées pour sa couverture théorique et son organisation, mais critiquées pour le manque d'exemples pratiques et de conseils pratiques pour la mise en œuvre des techniques d'exploration de données. Certains lecteurs l'ont trouvé difficile en raison de son contenu mathématique abstrait, tandis que d'autres ont apprécié la vue d'ensemble qu'il fournit.
Avantages:⬤ Fournit une base théorique solide en matière de data mining.
⬤ Structure bien organisée avec des explications claires des concepts statistiques.
⬤ Couvre un large éventail d'algorithmes et de méthodes de data mining, y compris des approches modernes.
⬤ Idéal pour ceux qui ont une bonne formation en statistique et qui souhaitent approfondir leurs connaissances.
⬤ Inclut des suggestions de lectures complémentaires à la fin de chaque chapitre.
⬤ Manque d'exemples pratiques et d'applications concrètes, ce qui rend la mise en œuvre difficile.
⬤ Le contenu mathématique abstrait peut être difficile à comprendre pour les lecteurs qui n'ont pas de solides connaissances en statistiques.
⬤ Certains évaluateurs l'ont trouvé trompeur sur la base de son titre, affirmant qu'il se concentre davantage sur les statistiques que sur les techniques d'exploration de données.
⬤ Absence d'exercices pour renforcer l'apprentissage.
(basé sur 15 avis de lecteurs)
Titre original :
Principles of Data Mining
Contenu du livre :
Le premier texte véritablement interdisciplinaire sur le data mining, mêlant les contributions des sciences de l'information, de l'informatique et des statistiques.
L'intérêt croissant pour le data mining est motivé par un problème commun à toutes les disciplines : comment stocker, accéder, modéliser et finalement décrire et comprendre de très grands ensembles de données ? Historiquement, les différents aspects de l'exploration de données ont été traités indépendamment par différentes disciplines. Il s'agit du premier texte véritablement interdisciplinaire sur l'exploration de données, mêlant les contributions des sciences de l'information, de l'informatique et des statistiques.
Le livre se compose de trois sections. La première, les fondements, fournit un aperçu didactique des principes qui sous-tendent les algorithmes de data mining et leur application. La présentation met l'accent sur l'intuition plutôt que sur la rigueur. La deuxième section, les algorithmes de data mining, montre comment les algorithmes sont construits pour résoudre des problèmes spécifiques d'une manière fondée sur des principes. Les algorithmes abordés comprennent les arbres et les règles de classification et de régression, les règles d'association, les réseaux de croyance, les modèles statistiques classiques, les modèles non linéaires tels que les réseaux neuronaux et les modèles locaux « basés sur la mémoire ». La troisième partie montre comment toutes les analyses précédentes s'articulent lorsqu'elles sont appliquées à des problèmes réels d'exploration de données. Les sujets abordés comprennent le rôle des métadonnées, la manière de traiter les données manquantes et le prétraitement des données.
Autres informations sur le livre :
| ISBN : | 9780262082907 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Relié |
| Année de publication : | 2001 |
| Nombre de pages : | 578 |
Achat:
Actuellement disponible, en stock.
