Angewandte statistische Techniken für Data Mining [German]

by Sheshang Degadwala, Abhijeetsinh Jadeja, Darshanaben Pandya

Die Datenbereinigung ist ein wichtiger Schritt bei der Datenaufbereitung. Ein h ufiges Problem, mit dem Datenanalysten konfrontiert werden, sind fehlende Werte in der Datenbank. Fehlende Werte beim Data Mining sind ein st ndiges Problem, das zu Fehlern bei der Datenanalyse f hren kann. Zuf llig fehlende Elemente in den Attributen/Datens tzen machen die Datenanalyse kompliziert und f hren zu verwirrenden konsolidierten Ergebnissen. Dies beeintr chtigt die Genauigkeit der Ergebnisse und Zwischenabfragen. Durch den Einsatz statistischer / numerischer Methoden kann man die fehlenden Daten wiederherstellen und die Verdachtsmomente in der Datenbank verringern. In der vorliegenden Untersuchung wird die Methode der Newton Forward Interpolation (NFI) angewandt, um die fehlenden Werte wiederherzustellen, sowie weitere verschiedene Methoden. Die Daten im Datensatz sind immer die Grundbausteine f r jede Abfrage und jede weitere Aufgabe und Entscheidung. Wenn die Basisdaten unvollst ndig sind oder der Datensatz fehlende Werte aufweist, kann niemand von aktuellen Endberichten ausgehen. Beim Data Mining ist die Erkennung und Wiederherstellung fehlender Werte bei unregelm igen Daten immer noch ein gro es Problem. Um diese Situation zu berwinden, werden statistische oder numerische Techniken ben tigt, um die fehlenden Werte im Datensatz wiederherzustellen.

• Format: Paperback
• Language: German
• ISBN: 6205969718
• ISBN13: 9786205969717
• Release Date: May 2023
• Publisher: Verlag Unser Wissen
• Length: 172 Pages
• Weight: 0.57 lbs.
• Dimensions: 0.4" x 6.0" x 9.0"