KI-Beratung Beta
Vor Ort
Merkzettel Warenkorb
  • Produktbild: Information-Statistical Data Mining
  • Produktbild: Information-Statistical Data Mining
Band 757

Information-Statistical Data Mining Warehouse Integration with Examples of Oracle Basics

Aus der Reihe Springer International Series in Engineering and Computer

159,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

30.11.2003

Abbildungen

XXII, 289 p.

Verlag

Springer Us

Seitenzahl

289

Maße (L/B/H)

24,1/16/2,2 cm

Gewicht

589 g

Sprache

Englisch

ISBN

978-1-4020-7650-3

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

30.11.2003

Abbildungen

XXII, 289 p.

Verlag

Springer Us

Seitenzahl

289

Maße (L/B/H)

24,1/16/2,2 cm

Gewicht

589 g

Sprache

Englisch

ISBN

978-1-4020-7650-3

Herstelleradresse

Springer-Verlag GmbH
Europaplatz 3
69115 Heidelberg
DE

Email: ProductSafety@springernature.com

Ein neues Kapitel für Ihre Bücher

Ein neues Kapitel für Ihre Bücher

Schenken Sie Ihren alten Schätzen ein zweites Leben und erhalten Sie dafür eine Thalia Geschenkkarte.

Jetzt verkaufen
Jetzt verkaufen

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
  • Produktbild: Information-Statistical Data Mining
  • Produktbild: Information-Statistical Data Mining
  • 1. Preview: Data Warehousing/Mining.- 1. What is Summary Information?.- 2. Data, Information Theory, Statistics.- 3. Data Warehousing/Mining Management.- 4. Architecture, Tools and Applications.- 5. Conceptual/Practical Mining Tools.- 6. Conclusion.- 2. Data Warehouse Basics.- 1. Methodology.- 2. Conclusion.- 3. CONCEPT OF PATTERNS & VISUALIZATION.- 1. Introduction.- Appendix: Word Problem Solution.- 4. Information Theory & Statistics.- 1. Introduction.- 2. Information Theory.- 3. Variable Interdependence Measure.- 4. Probability Model Comparison.- 5. Pearson’s Chi-Square Statistic.- 5. Information and Statistics Linkage.- 1. Statistics.- 2. Concept Of Information.- 3. Information Theory And Statistics.- 4. Conclusion.- 6. Temporal-Spatial Data.- 1. Introduction.- 2. Temporal-Spatial Characteristics.- 3. Temporal-Spatial Data Analysis.- 4. Problem Formulation.- 5. Temperature Analysis Application.- 6. Discussion.- 7. Conclusion.- 7. Change Point Detection Techniques.- 1. Change Point Problem.- 2. Information Criterion Approach.- 3. Binary Segmentation Technique.- 4. Example.- 5. Summary.- 8. Statistical Association Patterns.- 1. Information-Statistical Association.- 2. Conclusion.- 9. Pattern Inference & Model Discovery.- 1. Introduction.- 2. Concept Of Pattern-Based Inference.- 3. Conclusion.- Appendix: Pattern Utility Illustration.- 10. Bayesian Nets & Model Generation.- 1. Preliminary Of Bayesian Networks.- 2. Pattern Synthesis for Model Learning.- 3. Conclusion.- 11. Pattern Ordering Inference: Part I.- 1. Pattern Order Inference Approach.- 2. Bayesian Net Probability Distribution.- 3. Bayesian Model: Pattern Embodiment.- 4. RLCM for Pattern Ordering.- 12. Pattern Ordering Inference: Part II.- 1. Ordering General Event Patterns.- 2. Conclusion.- Appendix I: 51Largest PR(ADHJBCEF % MathType!MTEF!2!1!+-% feaagaart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn% hiov2DGi1BTfMBaeXatLxBI9gBqj3BWbIqubWexLMBb50ujbqegm0B% 1jxALjharqqtubsr4rNCHbGeaGqiVu0Je9sqqrpepC0xbbL8F4rqqr% Ffpeea0xe9Lq-Jc9vqaqpepm0xbba9pwe9Q8fs0-yqaqpepae9pg0F% irpepeKkFr0xfr-xfr-xb9adbaqaaeGaciGaaiaabeqaamaabaabaa% GcbaWaa0aaaeaacaWGhbaaamaamaaabaGaamysaaaaaaa!3B22!$$ \overline G \underline I $$.- Appendix II: Ordering of PR(LI/SE). SE=F G I.- Appendix III.A: Evaluation of Method A.- Appendix III.B: Evaluation of Method B.- Appendix III.C: Evaluation of Method C.- 13. Case Study 1: Oracle Data Warehouse.- 1. Introduction.- 2. Background.- 3. Challenge.- 4. Illustrations.- 5. Conclusion.- Appendix I: Warehouse Data Dictionary.- 14. Case Study 2: Financial Data Analysis.- 1. The Data.- 2. Information Theoretic Approach.- 3. Data Analysis.- 4. Conclusion.- 15. Case Study 3: Forest Classification.- 1. Introduction.- 2. Classifier Model Derivation.- 3. Test Data Characteristics.- 4. Experimental Platform.- 5. Classification Results.- 6. Validation Stage.- 7. Effect of Mixed Data on Performance.- 8. Goodness Measure for Evaluation.- 9. Conclusion.- References.