Cantitate/Preț
Produs

Data Mining and Statistics for Decision Making: Wiley Series in Computational Statistics

Autor S Tuffery
en Limba Engleză Hardback – 10 mar 2011

În peisajul academic actual, analiza volumelor mari de date a devenit o componentă esențială a programelor de studiu în statistică, economie și informatică. Data Mining and Statistics for Decision Making, semnat de S Tuffery și publicat în prestigioasa serie Wiley Series in Computational Statistics, reprezintă o resursă fundamentală pentru înțelegerea procesului de extragere a cunoștințelor din baze de date complexe. Remarcăm la această a doua ediție o structură riguroasă care pornește de la principii de bază și avansează către concepte complexe, oferind o punte necesară între teoria matematică și nevoile organizaționale de identificare a tendințelor.

Subliniem faptul că volumul nu se limitează la prezentarea algoritmilor, ci analizează critic punctele forte și limitările unor tehnici variate, de la arbori de decizie la metode de ansamblu și reguli de asociere. Această ediție extinde cadrul propus de Data Mining and Predictive Analytics 2e de DT Larose prin includerea unei comparații aprofundate între mediile de programare R, SAS și IBM SPSS, oferind cititorului instrumentele necesare pentru implementarea soluțiilor în contexte profesionale diferite. În timp ce alte lucrări se concentrează strict pe algoritmi, S Tuffery ancorează discuția în realitatea economică, dedicând secțiuni speciale pentru credit scoring și analiza riscului financiar. Descoperim aici o abordare echilibrată între rigoarea statistică și pragmatismul necesar în business intelligence, susținută de exemple pas cu pas și seturi de date disponibile pe site-ul acompaniator.

Citește tot Restrânge

Preț: 64461 lei

Preț vechi: 70067 lei
-8%

Puncte Express: 967

Carte tipărită la comandă

Livrare economică 26 mai-09 iunie


Specificații

ISBN-13: 9780470688298
ISBN-10: 0470688297
Pagini: 716
Dimensiuni: 170 x 244 x 39 mm
Greutate: 1.34 kg
Ediția:2. Auflage.
Editura: Wiley
Seria Wiley Series in Computational Statistics

Locul publicării:Chichester, United Kingdom

Public țintă

Business intelligence analysts and statisticians, compliance and financial experts in both commercial and government organizations, undergraduate and graduate students and teachers

De ce să citești această carte

Recomandăm această carte analiștilor de date și studenților care doresc să stăpânească atât teoria, cât și practica data mining-ului. Spre deosebire de manualele pur teoretice, volumul oferă un avantaj competitiv prin compararea software-urilor R, SAS și SPSS și prin focalizarea pe studii de caz din domeniul financiar. Cititorul câștigă o viziune de ansamblu asupra tehnicilor moderne de clasificare și predicție, esențiale în luarea deciziilor bazate pe date.


Descriere scurtă

Data mining is the process of automatically searching large volumes of data for models and patterns using computational techniques from statistics, machine learning and information theory; it is the ideal tool for such an extraction of knowledge. Data mining is usually associated with a business or an organization's need to identify trends and profiles, allowing, for example, retailers to discover patterns on which to base marketing objectives. This book looks at both classical and recent techniques of data mining, such as clustering, discriminant analysis, logistic regression, generalized linear models, regularized regression, PLS regression, decision trees, neural networks, support vector machines, Vapnik theory, naive Bayesian classifier, ensemble learning and detection of association rules. They are discussed along with illustrative examples throughout the book to explain the theory of these methods, as well as their strengths and limitations. Key Features: * Presents a comprehensive introduction to all techniques used in data mining and statistical learning, from classical to latest techniques. * Starts from basic principles up to advanced concepts. * Includes many step-by-step examples with the main software (R, SAS, IBM SPSS) as well as a thorough discussion and comparison of those software. * Gives practical tips for data mining implementation to solve real world problems. * Looks at a range of tools and applications, such as association rules, web mining and text mining, with a special focus on credit scoring. * Supported by an accompanying website hosting datasets and user analysis. Statisticians and business intelligence analysts, students as well as computer science, biology, marketing and financial risk professionals in both commercial and government organizations across all business and industry sectors will benefit from this book.