MINERIA DE DATOS. REDES NEURONALES Y ARBOLES DE DECISION. Ejemplos con SAS ENTERPRISE MINER
暫譯: 資料探勘:神經網絡與決策樹,SAS Enterprise Miner 實例分析
Cesar Perez Lopez
- 出版商: CreateSpace Independ
- 出版日期: 2013-11-14
- 售價: $1,230
- 貴賓價: 9.5 折 $1,169
- 語言: 英文
- 頁數: 196
- 裝訂: Paperback
- ISBN: 1493768409
- ISBN-13: 9781493768400
無法訂購
相關主題
商品描述
Este libro profundiza en dos de las técnicas más habituales utilizadas en minería de datos, como son las redes neuronales y los árboles de decisión. El contenido se aborda de una forma sencilla y fácil de entender a través de una de las soluciones de software más comunes de entre las existentes en el mercado, en concreto, SAS ENTERPRISE MINER. Se persigue como finalidad inicial clarificar las aplicaciones relativas a métodos tradicionalmente calificados como difíciles u opacos. Se busca presentar las aplicaciones en la minería de datos sin necesidad de manejar desarrollos matemáticos elevados ni algoritmos teóricos complicados, que es la razón más común de las dificultades en la comprensión y aplicación de esta materia. Hoy en día se utiliza la minería de datos en diferentes campos de la ciencia. Cabe destacar las aplicaciones financieras y en banca, en análisis de mercados y comercio, en seguros y salud privada, en educación, en procesos industriales, en medicina, en biología y bioingeniería, en telecomunicaciones y en muchas otras áreas. Lo esencial para empezar a trabajar en minería de datos, sea cual sea el campo en que se aplique, es la comprensión de los propios conceptos, tarea que no exige ni mucho menos el dominio de aparato científico que conlleva la materia. Posteriormente, cuando ya sea necesaria la operatoria avanzada, los programas de ordenador permiten obtener los resultados sin necesidad de descifrar el desarrollo matemático de los algoritmos que están debajo de los procedimientos.
商品描述(中文翻譯)
這本書深入探討了數據挖掘中最常用的兩種技術,即神經網絡和決策樹。內容以簡單易懂的方式呈現,通過市場上最常見的軟體解決方案之一,具體而言,是 SAS ENTERPRISE MINER。初步的目的是澄清傳統上被認為困難或不透明的方法的應用。旨在展示數據挖掘的應用,而無需處理高深的數學發展或複雜的理論算法,這是理解和應用這一領域的最常見困難原因。如今,數據挖掘被應用於科學的不同領域。值得一提的是在金融和銀行、市場和商業分析、保險和私人健康、教育、工業過程、醫學、生物學和生物工程、電信以及許多其他領域的應用。無論應用於何種領域,開始從事數據挖掘的關鍵是理解基本概念,這一任務並不需要掌握與該領域相關的科學設備。隨後,當需要進行高級操作時,計算機程序可以在不需要解讀算法背後的數學發展的情況下獲得結果。