| Título : |
Descriptive Data Mining |
| Tipo de documento: |
documento electrónico |
| Autores: |
Olson, David L., Autor |
| Mención de edición: |
1 ed. |
| Editorial: |
Singapore [Malasya] : Springer |
| Fecha de publicación: |
2017 |
| Número de páginas: |
XI, 116 p. 63 ilustraciones, 60 ilustraciones en color. |
| ISBN/ISSN/DL: |
978-981-10-3340-7 |
| Nota general: |
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. |
| Palabras clave: |
Investigación cuantitativa Procesamiento de datos Gestion de riesgos financieros Análisis de datos y Big Data Minería de datos y descubrimiento de conocimientos Gestión de riesgos |
| Índice Dewey: |
1.422 |
| Resumen: |
Este libro ofrece una visión general de la gestión del conocimiento. Comienza con una introducción al tema, ubicando los modelos descriptivos en el contexto del campo general así como dentro del campo más específico del análisis de minería de datos. El Capítulo 2 cubre la visualización de datos, incluidas instrucciones para acceder al software de código abierto R (descrito a través de Rattle). Tanto R como Rattle son gratuitos para los estudiantes. A continuación, el capítulo 3 describe el análisis de la cesta de la compra, comparándolo con modelos más avanzados, y aborda el concepto de elevación. Posteriormente, el Capítulo 4 describe los modelos RFM de smarketing y los compara con modelos predictivos más avanzados. A continuación, el Capítulo 5 describe las reglas de asociación, incluido el algoritmo APriori y proporciona soporte de software de R. El Capítulo 6 cubre el análisis de conglomerados, incluido el soporte de software de R (Rattle), KNIME y WEKA, todos los cuales son de código abierto. El Capítulo 7 continúa describiendo el análisis de enlaces, las métricas de redes sociales y el software NodeXL de código abierto, y demuestra la aplicación de análisis de enlaces utilizando la salida de PolyAnalyst. El capítulo 8 concluye la monografía. Utilizando datos relacionados con los negocios para demostrar modelos, este libro descriptivo explica cómo funcionan los métodos con algunas citas, pero sin referencias detalladas. Los conjuntos de datos y el software seleccionados están ampliamente disponibles y se puede acceder a ellos fácilmente. |
| Nota de contenido: |
Chapter 1 Knowledge Management -- Chapter 2: Data Visualization -- Chapter 3 Market Basket Analysis -- Chapter 4 Recency Frequency and Monetary Model -- Chapter 5 Association Rules -- Chapter 6 Cluster Analysis -- Chapter 7 Link Analysis -- Chapter 7 Link Analysis -- Chapter 8 Descriptive Data Mining -- References -- Index. |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
Descriptive Data Mining [documento electrónico] / Olson, David L., Autor . - 1 ed. . - Singapore [Malasya] : Springer, 2017 . - XI, 116 p. 63 ilustraciones, 60 ilustraciones en color. ISBN : 978-981-10-3340-7 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
| Palabras clave: |
Investigación cuantitativa Procesamiento de datos Gestion de riesgos financieros Análisis de datos y Big Data Minería de datos y descubrimiento de conocimientos Gestión de riesgos |
| Índice Dewey: |
1.422 |
| Resumen: |
Este libro ofrece una visión general de la gestión del conocimiento. Comienza con una introducción al tema, ubicando los modelos descriptivos en el contexto del campo general así como dentro del campo más específico del análisis de minería de datos. El Capítulo 2 cubre la visualización de datos, incluidas instrucciones para acceder al software de código abierto R (descrito a través de Rattle). Tanto R como Rattle son gratuitos para los estudiantes. A continuación, el capítulo 3 describe el análisis de la cesta de la compra, comparándolo con modelos más avanzados, y aborda el concepto de elevación. Posteriormente, el Capítulo 4 describe los modelos RFM de smarketing y los compara con modelos predictivos más avanzados. A continuación, el Capítulo 5 describe las reglas de asociación, incluido el algoritmo APriori y proporciona soporte de software de R. El Capítulo 6 cubre el análisis de conglomerados, incluido el soporte de software de R (Rattle), KNIME y WEKA, todos los cuales son de código abierto. El Capítulo 7 continúa describiendo el análisis de enlaces, las métricas de redes sociales y el software NodeXL de código abierto, y demuestra la aplicación de análisis de enlaces utilizando la salida de PolyAnalyst. El capítulo 8 concluye la monografía. Utilizando datos relacionados con los negocios para demostrar modelos, este libro descriptivo explica cómo funcionan los métodos con algunas citas, pero sin referencias detalladas. Los conjuntos de datos y el software seleccionados están ampliamente disponibles y se puede acceder a ellos fácilmente. |
| Nota de contenido: |
Chapter 1 Knowledge Management -- Chapter 2: Data Visualization -- Chapter 3 Market Basket Analysis -- Chapter 4 Recency Frequency and Monetary Model -- Chapter 5 Association Rules -- Chapter 6 Cluster Analysis -- Chapter 7 Link Analysis -- Chapter 7 Link Analysis -- Chapter 8 Descriptive Data Mining -- References -- Index. |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
|  |
Descriptive Data Mining
