Zusammenfassung
Vergleich 6.1 stellt die Abfrage- und Analysewerkzeuge des letzten Kapitels den Data Mining-Methoden der nächsten Kapitel gegenüber. Abfrage- und Berichtssprachen wie SQL und QBE sind zwar standardisiert und mächtig, aber für gelegentliche Benutzer zu schwierig. OLAP — Werkzeuge erlauben hingegen auch gelegentlichen Benutzern flexible multidimensionale Abfragen. Ihre Methoden sind aber abfragezentriert und von der Analysekomplexität her einfach. Data Mining-Werkzeuge erlauben komplexere Analysen. Sie lassen den erfahrenen Benutzer in Massendaten nach verborgenem Wissen „schürfen“. Dieses Kapitel führt in den Begriff sowie in einige Methoden und Werkzeuge des Data Mining ein. Die Kapitel 7 und 8 vertiefen zwei verbreitete Methoden, die Regelinduktion und neuronale Netze.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Vertiefungshinweise
Lehrbücher
Adriaans, P., Zantinge, D., Data Mining, Addison-Wesley 1996, 158 S. Kurzer und verständlicher Überblick mit Glossar. Weniger betriebswirschaftlich fokussiert als Berry et al. (siehe unten)
Berry, J., Linoff, G., Data Mining Techniques For Marketing, Sales and Customer Support, Wiley 1997, 454 S. Gut verständliche und breite Einführung in die Themen “Data Warehouses”, “Market Basket Analysis”, “Memory-based Reasoning”, “Cluster Detection”, “Link Analysis”, “Decision Trees”, “Neural Networks” und “Genetic Algorithms”. Trotz Beispielen aus dem Marketing auch als allgemeine Einführung geeignet
Westphal, C., Blaxton, T., Data Mining Solutions: Methods and Tools for Solving Real-World Problems, Wiley 1998, 617 S. (inkl. CD ROM) Umfangreiche und pragmatische Einführung in die Nutzung von Data Mining-Werkzeugen. Die Abschnitte I und II führten auf 200 Seiten überblicksartig und nichtformal in Data Mining-Verfahren ein. Der dritte Teil stellt auf weiteren 240 Seiten Werkzeuge vor. Der letzte Teil veranschaulicht schliesslich die vorangehenden Abschnitte auf etwa 130 Seiten an Fallstudien. Die beiliegende CD ROM enthält Demonstrations- Software, Shareware und die Abbildungen des Buchs als GIF-Dateien. Westphal et. al. konzentrieren sich auf die Beschreibung konkreter Werkzeuge. Die Einführung in den methodischen Hintergrund bleibt an der Oberfläche.
Cios, K., Pedrycz, W., Swiniarski, R., Data Mining Methods for Knowledge Discovery, Kluwer 1998, 520 S. Technische Einführung in die Grundlagen des Data Mining. Scharfe und unscharfe Mengen, Bayssche Netze, genetische Algorithmen, neuronale Netze. Bibliographie
Groth, R., Data Mining : A Hands-On Approach for Business Professionals, Prentice-Hall 1997, 264 S. (inkl. CD ROM) Rezeptartige Einführung in drei Data Mining-Werkzeuge (Data Mind, Angoss, KnowledgeSEEKER und NeuralWorks Predict). Der bei DataMind beschäftigte Autor geht kaum über einfache Anleitungen zum Gebrauch der drei besprochenen Demoversionen hinaus. Die Hintergrund-Information ist spärlich und trägt wenig zum Verständnis der Methoden bei (Entscheidungsbäume, Neuronale Netze und ein proprietäres Verfahren von Data Mind). Interessanter sind die letzten beiden Kapitel. Kapitel 7 geht kurz auf praktische Anwendungen ein, und das letzte Kapitel veranschaulicht an Fallstudien die Bedeutung von Data Warehouses für einige Data Mining-Methoden.
Zeitschriften
Data Mining and Knowledge Discovery, Kluwer Academic Publishers, P.O. Box 17, 3300 AA Dordrecht, Niederlande (http://www.wkap.nl)/joumalhome.htm/1384-5810
Intelligent Data Analysis, Elsevier Science, Inc., Journal Information Center, 655 Avenue of the Americas, New York, NY 10010 (http://www.east.elsevier.com)/ida/
Web Sites
The Knowledge Discovery Minehttp://www.kdnuggets.com (umfangreicher Überblick)
The Data Minehttp://www.cs.bham.ac.uk/~anp/TheDataMine.html (Überblick)
Data Mining Plug In von Datamationhttp://www.datamation.com/PlugIn/workbench/datamine/datamine.htm (Beiträge der Zeitschrift “Datamation” über Data Mining, insbesondere über Werkzeuge)
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 1999 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Lusti, M. (1999). Data Mining — Ein Überblick. In: Data Warehousing und Data Mining. Springer-Lehrbuch. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-97747-3_6
Download citation
DOI: https://doi.org/10.1007/978-3-642-97747-3_6
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-66221-1
Online ISBN: 978-3-642-97747-3
eBook Packages: Springer Book Archive