Quality Measures in Data Mining
Fabrice Guillet · Howard J. Hamilton
ม.ค. 2007 · Springer
5.0star
1 รีวิวreport
eBook
314
หน้า
reportคะแนนและรีวิวไม่ได้รับการตรวจสอบยืนยัน ดูข้อมูลเพิ่มเติม
เกี่ยวกับ eBook เล่มนี้
Data mining analyzes large amounts of data to discover knowledge relevant to decision making. Typically, numerous pieces of knowledge are extracted by a data mining system and presented to a human user, who may be a decision-maker or a data-analyst. The user is confronted with the task of selecting the pieces of knowledge that are of the highest quality or interest according to his or her preferences. Since this selection is sometimes a daunting task, designing quality and interestingness measures has become an important challenge for data mining researchers in the last decade.
This volume presents the state of the art concerning quality and interestingness measures for data mining. The book summarizes recent developments and presents original research on this topic. The chapters include surveys, comparative studies of existing measures, proposals of new measures, simulations, and case studies. Both theoretical and applied chapters are included. Papers for this book were selected and reviewed for correctness and completeness by an international review committee.
การให้คะแนนและรีวิว
5.0
1 รีวิว
ให้คะแนน eBook นี้
แสดงความเห็นของคุณให้เรารับรู้
ข้อมูลในการอ่าน
สมาร์ทโฟนและแท็บเล็ต
ติดตั้งแอป Google Play Books สำหรับ Android และ iPad/iPhone แอปจะซิงค์โดยอัตโนมัติกับบัญชีของคุณ และช่วยให้คุณอ่านแบบออนไลน์หรือออฟไลน์ได้ทุกที่
แล็ปท็อปและคอมพิวเตอร์
คุณฟังหนังสือเสียงที่ซื้อจาก Google Play โดยใช้เว็บเบราว์เซอร์ในคอมพิวเตอร์ได้
eReader และอุปกรณ์อื่นๆ
หากต้องการอ่านบนอุปกรณ์ e-ink เช่น Kobo eReader คุณจะต้องดาวน์โหลดและโอนไฟล์ไปยังอุปกรณ์ของคุณ โปรดทำตามวิธีการอย่างละเอียดในศูนย์ช่วยเหลือเพื่อโอนไฟล์ไปยัง eReader ที่รองรับ
