Recenzii ale cititorilor
Rezumat:Cartea a primit recenzii mixte, fiind lăudată pentru acoperirea teoretică și organizarea sa, dar criticată pentru lipsa exemplelor practice și a îndrumărilor practice pentru implementarea tehnicilor de extragere a datelor. Unii cititori au considerat-o o provocare datorită conținutului său matematic abstract, în timp ce alții au apreciat prezentarea cuprinzătoare pe care o oferă.
Avantaje:⬤ Oferă o bază teoretică solidă în data mining.
⬤ Structură bine organizată cu explicații clare ale conceptelor statistice.
⬤ Acoperă o gamă largă de algoritmi și metode de data mining, inclusiv abordări moderne.
⬤ Ideală pentru cei cu o bună pregătire statistică care caută profunzime.
⬤ Include sugestii valoroase de lectură suplimentară la sfârșitul fiecărui capitol.
Dezavantaje:⬤ Lipsesc exemplele practice și aplicațiile concrete, ceea ce face dificilă implementarea.
⬤ Conținutul matematic abstract poate fi o provocare pentru cititorii care nu au cunoștințe solide de statistică.
⬤ Unii recenzenți au considerat-o înșelătoare pe baza titlului său, afirmând că se concentrează mai mult pe statistică decât pe tehnicile de extragere a datelor.
⬤ Absența exercițiilor pentru consolidarea învățării.
(pe baza a 15 recenzii ale cititorilor)
Titlul original:
Principles of Data Mining
Conținutul cărții:
Primul text cu adevărat interdisciplinar privind extragerea datelor, care îmbină contribuțiile științei informației, informaticii și statisticii.
Interesul crescând pentru extragerea datelor este motivat de o problemă comună tuturor disciplinelor: cum se pot stoca, accesa, modela și, în cele din urmă, descrie și înțelege seturi foarte mari de date? Din punct de vedere istoric, diferite aspecte ale mineritului de date au fost abordate independent de diferite discipline. Acesta este primul text cu adevărat interdisciplinar privind extragerea datelor, care îmbină contribuțiile științei informației, informaticii și statisticii.
Cartea este alcătuită din trei secțiuni. Prima, fundamentele, oferă o prezentare tutorială a principiilor care stau la baza algoritmilor de data mining și a aplicării acestora. Prezentarea pune accentul pe intuiție mai degrabă decât pe rigoare. A doua secțiune, algoritmi de data mining, arată cum sunt construiți algoritmii pentru a rezolva probleme specifice într-un mod bazat pe principii. Algoritmii abordați includ arbori și reguli pentru clasificare și regresie, reguli de asociere, rețele de credință, modele statistice clasice, modele neliniare, cum ar fi rețelele neuronale, și modele locale „bazate pe memorie”. A treia secțiune prezintă modul în care toate analizele anterioare se potrivesc atunci când sunt aplicate la probleme reale de extragere a datelor. Subiectele includ rolul metadatelor, modul de gestionare a datelor lipsă și preprocesarea datelor.
