Puntuación:
El libro recibe críticas mixtas, alabado por su cobertura teórica y su organización, pero criticado por la falta de ejemplos prácticos y de orientación práctica para aplicar las técnicas de minería de datos. Algunos lectores lo consideraron un reto debido a su contenido matemático abstracto, mientras que otros apreciaron la visión global que proporciona.
Ventajas:⬤ Proporciona una sólida base teórica en minería de datos.
⬤ Estructura bien organizada con explicaciones claras de los conceptos estadísticos.
⬤ Cubre una amplia gama de algoritmos y métodos de minería de datos, incluyendo enfoques modernos.
⬤ Excelente para aquellos con una buena formación estadística que buscan profundizar.
⬤ Incluye valiosas sugerencias de lecturas adicionales al final de cada capítulo.
⬤ Carece de ejemplos prácticos y aplicaciones concretas, lo que dificulta su aplicación.
⬤ El contenido matemático abstracto puede resultar difícil para lectores sin una sólida formación estadística.
⬤ Algunos revisores lo encontraron engañoso basándose en su título, afirmando que se centra más en la estadística que en las técnicas de minería de datos.
⬤ Ausencia de ejercicios para reforzar el aprendizaje.
(basado en 15 opiniones de lectores)
Principles of Data Mining
El primer texto verdaderamente interdisciplinar sobre minería de datos, que combina las aportaciones de las ciencias de la información, la informática y la estadística.
El creciente interés por la minería de datos está motivado por un problema común a todas las disciplinas: ¿cómo almacenar, acceder, modelizar y, en última instancia, describir y comprender conjuntos de datos muy grandes? Históricamente, distintos aspectos de la minería de datos han sido abordados de forma independiente por diferentes disciplinas. Éste es el primer texto verdaderamente interdisciplinar sobre minería de datos, en el que se mezclan las aportaciones de las ciencias de la información, la informática y la estadística.
El libro consta de tres secciones. La primera, fundamentos, ofrece una visión general tutorial de los principios subyacentes a los algoritmos de minería de datos y su aplicación. La presentación hace hincapié en la intuición más que en el rigor. La segunda sección, algoritmos de minería de datos, muestra cómo se construyen los algoritmos para resolver problemas específicos de una manera basada en principios. Los algoritmos tratados incluyen árboles y reglas de clasificación y regresión, reglas de asociación, redes de creencias, modelos estadísticos clásicos, modelos no lineales como las redes neuronales y modelos locales «basados en la memoria». La tercera sección muestra cómo encaja todo el análisis anterior cuando se aplica a problemas de minería de datos del mundo real. Se abordan temas como el papel de los metadatos, el tratamiento de los datos que faltan y el preprocesamiento de datos.
© Book1 Group - todos los derechos reservados.
El contenido de este sitio no se puede copiar o usar, ni en parte ni en su totalidad, sin el permiso escrito del propietario.
Última modificación: 2024.11.14 07:32 (GMT)