Ester, M.; Sander, J.: Knowledge discovery in databases : Techniken und Anwendungen (2000)
0.03
0.028769528 = product of:
0.08630858 = sum of:
0.05427944 = weight(_text_:und in 1374) [ClassicSimilarity], result of:
0.05427944 = score(doc=1374,freq=14.0), product of:
0.104724824 = queryWeight, product of:
2.216367 = idf(docFreq=13101, maxDocs=44218)
0.04725067 = queryNorm
0.51830536 = fieldWeight in 1374, product of:
3.7416575 = tf(freq=14.0), with freq of:
14.0 = termFreq=14.0
2.216367 = idf(docFreq=13101, maxDocs=44218)
0.0625 = fieldNorm(doc=1374)
0.03202915 = weight(_text_:des in 1374) [ClassicSimilarity], result of:
0.03202915 = score(doc=1374,freq=2.0), product of:
0.13085164 = queryWeight, product of:
2.7693076 = idf(docFreq=7536, maxDocs=44218)
0.04725067 = queryNorm
0.24477452 = fieldWeight in 1374, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
2.7693076 = idf(docFreq=7536, maxDocs=44218)
0.0625 = fieldNorm(doc=1374)
0.33333334 = coord(2/6)
- Abstract
- Knowledge Discovery in Databases (KDD) ist ein aktuelles Forschungs- und Anwendungsgebiet der Informatik. Ziel des KDD ist es, selbständig entscheidungsrelevante, aber bisher unbekannte Zusammenhänge und Verknüpfungen in den Daten großer Datenmengen zu entdecken und dem Analysten oder dem Anwender in übersichtlicher Form zu präsentieren. Die Autoren stellen die Techniken und Anwendungen dieses interdisziplinären Gebiets anschaulich dar.
- Content
- Einleitung.- Statistik- und Datenbank-Grundlagen.Klassifikation.- Assoziationsregeln.- Generalisierung und Data Cubes.- Spatial-, Text-, Web-, Temporal-Data Mining. Ausblick.
