Estrazione dei dati: Concetti e tecniche

Recensioni dei lettori

Il libro offre un'introduzione completa e neutrale al data mining e al warehousing, adatta sia ai principianti che ai lettori più esperti. Include solide spiegazioni della matematica di base e una varietà di metodi di data mining. Tuttavia, alcuni recensori trovano frustrante la scrittura oscura, la mancanza di esempi pratici e le risposte mancanti agli esercizi.

⬤ Copertura completa dei concetti e degli algoritmi di data mining.
⬤ L'approccio neutrale rispetto ai fornitori consente una certa flessibilità nell'implementazione.
⬤ Buon materiale introduttivo con solide spiegazioni sulla matematica.
⬤ Presenta un formato di domande e risposte che facilita l'apprendimento.
⬤ Consigliato sia ai principianti che ai professionisti avanzati.
⬤ Contiene buoni contenuti teorici e molti riferimenti.

⬤ Alcuni lettori trovano la scrittura oscura e difficile da seguire.
⬤ La mancanza di risposte agli esercizi riduce la sua utilità come libro di testo.
⬤ Gli esempi sono spesso incompleti e non mostrano soluzioni complete.
⬤ Il libro può essere troppo astratto e manca di esempi pratici che utilizzino sistemi di database reali.
⬤ Alcuni ritengono che il contenuto sia datato e non abbastanza approfondito per uno studio di livello universitario.

(basato su 23 recensioni dei lettori)

Titolo originale:

Data Mining: Concepts and Techniques

Contenuto del libro:

Data Mining: Concepts and Techniques, Fourth Edition introduce concetti, principi e metodi per l'estrazione di schemi, conoscenze e modelli da vari tipi di dati per diverse applicazioni. In particolare, approfondisce i processi per scoprire modelli e conoscenze da enormi raccolte di dati, noti come scoperta della conoscenza dai dati o KDD.

Si concentra sulla fattibilità, l'utilità, l'efficacia e la scalabilità delle tecniche di data mining per grandi insiemi di dati. Dopo un'introduzione al concetto di data mining, gli autori spiegano i metodi di preelaborazione, caratterizzazione e archiviazione dei dati. Quindi suddividono i metodi di data mining in diversi compiti principali, introducendo concetti e metodi per l'estrazione di modelli frequenti, associazioni e correlazioni per grandi insiemi di dati; la classificazione dei dati e la costruzione di modelli; l'analisi dei cluster e il rilevamento degli outlier.

I concetti e i metodi per il deep learning sono introdotti sistematicamente in un capitolo. Infine, il libro tratta le tendenze, le applicazioni e le frontiere della ricerca nel data mining.