Principi dell'estrazione dei dati

Recensioni dei lettori

Il libro riceve recensioni contrastanti, elogiate per la copertura teorica e l'organizzazione, ma criticate per la mancanza di esempi pratici e di indicazioni pratiche per l'implementazione delle tecniche di data mining. Alcuni lettori lo hanno trovato impegnativo a causa del suo contenuto matematico astratto, mentre altri hanno apprezzato la panoramica completa che fornisce.

⬤ Fornisce una solida base teorica sul data mining.
⬤ Struttura ben organizzata con spiegazioni chiare dei concetti statistici.
⬤ Copre un'ampia gamma di algoritmi e metodi di data mining, compresi gli approcci moderni.
⬤ Ottimo per chi ha un buon background statistico e cerca un approfondimento.
⬤ Include preziosi suggerimenti per ulteriori letture alla fine di ogni capitolo.

⬤ Mancano esempi pratici e applicazioni concrete, rendendo difficile l'implementazione.
⬤ Il contenuto matematico astratto può risultare ostico per i lettori senza una solida preparazione statistica.
⬤ Alcuni recensori lo hanno ritenuto fuorviante in base al titolo, affermando che si concentra più sulla statistica che sulle tecniche di data mining.
⬤ Assenza di esercizi per rafforzare l'apprendimento.

(basato su 15 recensioni dei lettori)

Titolo originale:

Principles of Data Mining

Contenuto del libro:

Il primo testo veramente interdisciplinare sul data mining, che unisce i contributi della scienza dell'informazione, dell'informatica e della statistica.

Il crescente interesse per il data mining è motivato da un problema comune a tutte le discipline: come si fa a memorizzare, accedere, modellare e infine descrivere e comprendere insiemi di dati molto grandi? Storicamente, i diversi aspetti del data mining sono stati affrontati in modo indipendente dalle diverse discipline. Questo è il primo testo veramente interdisciplinare sul data mining, che unisce i contributi dell'informatica, della scienza dell'informazione e della statistica.

Il libro è composto da tre sezioni. La prima, “Fondamenti”, fornisce una panoramica dei principi alla base degli algoritmi di data mining e della loro applicazione. La presentazione enfatizza l'intuizione piuttosto che il rigore. La seconda sezione, gli algoritmi di data mining, mostra come vengono costruiti gli algoritmi per risolvere problemi specifici in modo basato sui principi. Gli algoritmi trattati includono alberi e regole per la classificazione e la regressione, regole di associazione, reti di credenze, modelli statistici classici, modelli non lineari come le reti neurali e modelli locali “basati sulla memoria”. La terza sezione illustra come tutta l'analisi precedente si adatta quando viene applicata a problemi di data mining del mondo reale. Gli argomenti trattati includono il ruolo dei metadati, la gestione dei dati mancanti e la preelaborazione dei dati.