Tecniche statistiche applicate al data mining [Italian]

by Sheshang Degadwala, Abhijeetsinh Jadeja, Darshanaben Pandya

La pulizia dei dati una fase cruciale della preparazione dei dati. I valori persi nel database sono un problema comune per gli analisti di dati. I valori mancanti nel data mining sono un problema continuo che pu causare errori nell'analisi dei dati. Gli elementi casualmente mancanti negli attributi/dataset complicano l'analisi dei dati e confondono i risultati consolidati. Ci influisce sull'accuratezza dei risultati e delle query intermedie. Utilizzando metodi statistici e numerici, possibile recuperare i dati mancanti e diminuire la diffidenza nel database. La presente ricerca fornisce un approccio applicato al metodo Newton Forward Interpolation (NFI) per recuperare i valori mancanti e altri metodi diversi. I dati del dataset rimangono sempre gli elementi di base per qualsiasi interrogazione e per ulteriori attivit e decisioni. Se i dati di base sono incompleti o se il set di dati presenta valori mancanti, non possibile ipotizzare rapporti finali ben aggiornati. Nel data mining il riconoscimento e il recupero dei valori mancanti ancora un problema importante per i dati irregolari. Per ovviare a questa situazione necessario ricorrere a tecniche statistiche o numeriche per recuperare i valori mancanti nel set di dati.

• Format: Paperback
• Language: Italian
• ISBN: 6205969742
• ISBN13: 9786205969748
• Release Date: May 2023
• Publisher: Edizioni Sapienza
• Length: 164 Pages
• Weight: 0.55 lbs.
• Dimensions: 0.4" x 6.0" x 9.0"