Recenze čtenářů
Shrnutí:Kniha je hodnocena smíšeně, je chválena pro svůj teoretický záběr a uspořádání, ale kritizována pro nedostatek praktických příkladů a praktických návodů pro implementaci technik dolování dat. Někteří čtenáři ji považovali za náročnou kvůli jejímu abstraktnímu matematickému obsahu, zatímco jiní oceňovali ucelený přehled, který poskytuje.
Klady:⬤ Poskytuje solidní teoretický základ v oblasti dolování dat.
⬤ Přehledná struktura s jasným vysvětlením statistických pojmů.
⬤ Pokrývá širokou škálu algoritmů a metod dolování dat, včetně moderních přístupů.
⬤ Skvělé pro ty, kteří mají dobré statistické základy a hledají hloubku.
⬤ Obsahuje cenné návrhy dalšího čtení na konci každé kapitoly.
Zápory:⬤ Chybí praktické příklady a konkrétní aplikace, což ztěžuje implementaci.
⬤ Abstraktní matematický obsah může být náročný pro čtenáře bez silného zázemí ve statistice.
⬤ Někteří recenzenti považovali knihu za zavádějící na základě jejího názvu, když tvrdili, že se zaměřuje spíše na statistiku než na techniky dolování dat.
⬤ Chybí cvičení k upevnění učiva.
(na základě 15 hodnocení čtenářů)
Původní název:
Principles of Data Mining
Obsah knihy:
První skutečně interdisciplinární text o dolování dat, který spojuje příspěvky informační vědy, informatiky a statistiky.
Rostoucí zájem o data mining je motivován společným problémem napříč obory: jak ukládat, zpřístupňovat, modelovat a nakonec popsat a pochopit velmi rozsáhlé soubory dat? Historicky se různými aspekty dolování dat zabývaly různé obory nezávisle na sobě. Toto je první skutečně interdisciplinární text o dolování dat, který spojuje příspěvky informační vědy, informatiky a statistiky.
Kniha se skládá ze tří částí. První, základy, poskytuje výukový přehled principů, na nichž jsou založeny algoritmy dolování dat, a jejich použití. Výklad klade důraz spíše na intuici než na přísnost. Druhá část, algoritmy data miningu, ukazuje, jak jsou algoritmy konstruovány pro řešení konkrétních problémů principiálním způsobem. Probírané algoritmy zahrnují stromy a pravidla pro klasifikaci a regresi, asociační pravidla, sítě víry, klasické statistické modely, nelineární modely, jako jsou neuronové sítě, a lokální modely založené na „paměti“. Třetí oddíl ukazuje, jak všechny předchozí analýzy zapadají do sebe při aplikaci na reálné problémy dolování dat. Témata zahrnují úlohu metadat, způsoby zpracování chybějících údajů a předzpracování dat.
