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

146,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

04.10.2012

Abbildungen

XXII, 289 p.

Verlag

Springer Us

Seitenzahl

289

Maße (L/B/H)

23,5/15,5/1,8 cm

Gewicht

482 g

Auflage

Softcover reprint of the original 1st edition 2004

Sprache

Englisch

ISBN

978-1-4613-4755-2

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

04.10.2012

Abbildungen

XXII, 289 p.

Verlag

Springer Us

Seitenzahl

289

Maße (L/B/H)

23,5/15,5/1,8 cm

Gewicht

482 g

Auflage

Softcover reprint of the original 1st edition 2004

Sprache

Englisch

ISBN

978-1-4613-4755-2

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: ProductSafety@springernature.com

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.