KDD und Data Mining als Hilfsmittel zur Entscheidungsunterstützung:
Saved in:
| Main Author: | |
|---|---|
| Format: | Thesis Book |
| Language: | German |
| Published: |
Frankfurt am Main [u.a.]
Lang
2000
|
| Series: | Entscheidungsunterstützung für ökonomische Probleme
18 |
| Subjects: | |
| Online Access: | Inhaltsverzeichnis |
| Physical Description: | XIX, 235 S. graph. Darst. |
| ISBN: | 363136735X |
Staff View
MARC
| LEADER | 00000nam a22000008cb4500 | ||
|---|---|---|---|
| 001 | BV013163833 | ||
| 003 | DE-604 | ||
| 005 | 20001106 | ||
| 007 | t | ||
| 008 | 000516s2000 gw d||| m||| 00||| ger d | ||
| 016 | 7 | |a 958904596 |2 DE-101 | |
| 020 | |a 363136735X |c brosch. : ca. DM 89.00 (freier Pr.) |9 3-631-36735-X | ||
| 035 | |a (OCoLC)46917968 | ||
| 035 | |a (DE-599)BVBBV013163833 | ||
| 040 | |a DE-604 |b ger |e rakddb | ||
| 041 | 0 | |a ger | |
| 044 | |a gw |c DE | ||
| 049 | |a DE-1102 |a DE-473 |a DE-945 |a DE-1049 |a DE-634 |a DE-188 | ||
| 050 | 0 | |a QA76.9.D3 | |
| 084 | |a QP 327 |0 (DE-625)141858: |2 rvk | ||
| 084 | |a QP 345 |0 (DE-625)141866: |2 rvk | ||
| 100 | 1 | |a Säuberlich, Frank |d 1970- |e Verfasser |0 (DE-588)121996808 |4 aut | |
| 245 | 1 | 0 | |a KDD und Data Mining als Hilfsmittel zur Entscheidungsunterstützung |c Frank Säuberlich |
| 246 | 1 | 3 | |a KDD und Data-Mining als Hilfsmittel zur Entscheidungsunterstützung |
| 264 | 1 | |a Frankfurt am Main [u.a.] |b Lang |c 2000 | |
| 300 | |a XIX, 235 S. |b graph. Darst. | ||
| 336 | |b txt |2 rdacontent | ||
| 337 | |b n |2 rdamedia | ||
| 338 | |b nc |2 rdacarrier | ||
| 490 | 1 | |a Entscheidungsunterstützung für ökonomische Probleme |v 18 | |
| 502 | |a Zugl.: Karlsruhe, Univ., Diss., 2000 | ||
| 650 | 4 | |a Data mining | |
| 650 | 4 | |a Database management | |
| 650 | 0 | 7 | |a Wissensextraktion |0 (DE-588)4546354-2 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Unternehmen |0 (DE-588)4061963-1 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Data Mining |0 (DE-588)4428654-5 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Multivariate Analyse |0 (DE-588)4040708-1 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Entscheidungsbaum |0 (DE-588)4347788-4 |2 gnd |9 rswk-swf |
| 655 | 7 | |0 (DE-588)4113937-9 |a Hochschulschrift |2 gnd-content | |
| 689 | 0 | 0 | |a Wissensextraktion |0 (DE-588)4546354-2 |D s |
| 689 | 0 | |5 DE-604 | |
| 689 | 1 | 0 | |a Data Mining |0 (DE-588)4428654-5 |D s |
| 689 | 1 | |5 DE-604 | |
| 689 | 2 | 0 | |a Unternehmen |0 (DE-588)4061963-1 |D s |
| 689 | 2 | 1 | |a Data Mining |0 (DE-588)4428654-5 |D s |
| 689 | 2 | 2 | |a Entscheidungsbaum |0 (DE-588)4347788-4 |D s |
| 689 | 2 | 3 | |a Multivariate Analyse |0 (DE-588)4040708-1 |D s |
| 689 | 2 | |5 DE-188 | |
| 830 | 0 | |a Entscheidungsunterstützung für ökonomische Probleme |v 18 |w (DE-604)BV002417921 |9 18 | |
| 856 | 4 | 2 | |m HBZ Datenaustausch |q application/pdf |u http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=008968931&sequence=000002&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |3 Inhaltsverzeichnis |
| 999 | |a oai:aleph.bib-bvb.de:BVB01-008968931 | ||
Record in the Search Index
| _version_ | 1804127863853547520 |
|---|---|
| adam_text | 1
Inhaltsverzeichnis
Teil I Knowledge Discovery in Databases und Data Mining
: Kapitel 1 Einleitung , 3
Kapitel 2 Eine Einordnung der Begriffe KDD und Data Mining 7*
2.1 Abgrenzung der Begriffe KDD und Data Mining 9
2.1.1 Knowledge Discovery in Databases (KDD) 9 i
2.1.2 Data Mining 10 ;:
2.2 Problemfelder 12
2.3 Verwandte Gebiete 15
2.3.1 Maschinelles Lernen.... 16
2.3.2 Statistik 18
2.3.3 Datenbanksysteme 18
2.3.4 Computerbasierte Entscheidungsunterstützung 19
2.3.5 Visualisierung 21
2.4 KDD-Prozeßmodelle 22
2.4.1 Das Prozeßmodell von Brachman, Anand (1996) 22
2.4.2 Das Prozeßmodell von Chapman et al. (1998) 25
2.4.3 Das Prozeßmodell von Fayyad et al. (1996a) 28
2.4.4 Das Prozeßmodell von John (1997) 29
2.4.5 Das Prozeßmodell von Wirth, Reinartz (1996) 31
2.4.6 Ein neuer Ansatz basierend auf den Hauptschritten des KDD-
Prozesses 33
2.4.6.1 Die Hauptschritte des KDD-Prozesses 34
2.4.6.2 Das verallgemeinerte KDD-Prozeßmodell 36
2.5 Im Rahmen des KDD und Data Mining diskutierte Verfahren 40
2.5.1 Data Mining Aufgaben 40
2.5.2 Data Mining Verfahren 42
.
X
Kapitel 3 Eigene Ansätze zur Charakterisierung des Forschungs¬
gebietes KDD und Data Mining 47
3.1 Fallbeispiele und Anwendungsberichte 48
3.1.1 Ausgewählte Anwendungsberichte 48
3.1.2 Studie über Fallbeispiele und Anwenduiigsberichte 50
3.1.2.1 Anwendungsbereiche 51
3.1.2.2 Eingesetzte Data Mining Verfahren 52
3.2 Kommerzielle Soflwareprodukte 56
3.2.1 Ansätze und Arbeiten zum Vergleich von Data Mining
Softwareprodukten 57
3.2.1.1 Abbott et al. (1998) 58
3.2.1.2 Collier etal. (1998) 60
3.2.1.3 Eider, Abbott (1998) 62
3.2.2 Positionierung und Segmentierung ausgewählter Data Mining
Softwareprodukte 64
Teil II Ausgewählte Verfahrensklassen und ihre Erweiterungs¬
möglichkeiten
Kapitel 4 Entscheidungsbaumverfahren 79
4.1 Grundlagen und Begriffe 80
4.1.1 Mögliche Unterteilungen 83
4.1.1.1 Nominale Merkmale 83 _
4.1.1.2 Quantitative Merkmale 84
4.1.2 Divisive Induktion von Enlscheidungsbäumen 85
4.2 Auswahlmaße 88
4.2.1 Informationsgewinn 89
4.2.2 Informationsgewinnverhältnis 91
4.2.3 Gini-lndex 91
4.2.4 Twoing-Wert 93
4.2.5 £2-Maß 93
4.3 Pruning-Techniken 96
4.3.1 Brror-Complexity-Pruning (ECP) 97
4.3.2 Pessimistic-Error-Pruning (PEP) 100
4.3.3 Error-Based-Pruning (EBP) 102
4.4 Vergleich von Entscheidungsbaumverfahren 104
4.4.1 1D3 .105
XI
4.4.2 C4.5 : 105
4.4.3 CART 106
4.4.4 ChAID 106
4.5 Entscheidungsbaum-Softwareprodukte... 107
Kapitel 5 Assoziationsregeln., 109
5.1 Grundlagen und Begriffe , 110
5.2 Algorithmen zur Generierung von Assoziationsregeln 112
5.2.1 DerAIS-Algorithmus 113
5.2.2 Der SETM-Algorithmus 115
5.2.3 Der Apriori-Algorithmus , 116
5.2.4 DerPARTITION-Algorithnlus...., .. 121
5.3 Assoziationen in hierarchischenDatenstrukturen,... , 124
5,3.1 Der Ansatz von Srikant, Agräwal (1995) für hierarchische
Datenstrukturen 125
5.4 Behandlung quantitativer Merkmale. , 129
5.5 Weitere Bewertungsmaße für Assoziationsregeln 133
5.5.1 Interest.... ... . 135
5.5.2 Cönviction 137
5.5.3 Factof , ..137
Kapitel 6 Ein neuer Ansatz zur Kombination von Entscheidungs¬
baumverfahren mit Assoziationsregelalgorithmen 139
6.1 Multivariate Entscheidungsbaumverfahren 140
6.2 Ein neuer Ansatz eines multivariaten Entscheidungsbaumverfahrens mit
Hilfe eines modifizierten Assoziationsregelalgorithmus 145
6.2.1 Allgemeine Vorgehensweise 146
6.2.2 Bestimmen der häufigen Itemmengen 149
6.2.3 Generieren von Regeln 151
6.2.4 Berechnen der Werte des Auswahlmaßes mit Hilfe von Support und
Konfidenz 151
6.2.5 Behandlung quantitativer Merkmale 155
6.2.5.1 Auswahl der univariaten Unterteilungen 155
6.2.5.2 Wahl der optimalen Support-Schranke 159
6.2.5.3 Zusätzliche Parameter zur Einschränkung des Suchraumes.. 161
6.3 Anwendung des neuen Ansatzes und Vergleich mit existierenden
Entscheidungsbaumverfahren ... 163
6.3.1 Verfahrensvergleich 163
6.3.2 Simulationsstudie zur Parameterwahl 166
1.
xn
Teil III Analyse des Markenwechselverhaltens als ausgewählte
Data Mining Anwendung
Kapitel 7 Analyse des Markenwechselverhaltens von Konsumenten.. 171
7.1 Einfuhrung und Problemspezifikation 171
7.2 Eigene Ansätze unter Verwendung von Data Mining Verfahren 174
7.2.1 Generalisierte Analyse des Markenwechselverhaltens mit Hilfe
eines modifizierten Assoziationsregelalgorithmus 174
7.2.2 Ein Loyalitätsmaß für Switching-Matrizen höherer Ordnung 180
7.3 Auswertung eines realen Paneldatensatzes 184
Kapitel 8 Abschließende Betrachtungen 193
Anhang ... 197
Literaturverzeichnis 221
Abbildungsverzeichnis
Abbildung 2.1: Begriffsabgrenzung Data Mining im engeren und im weiteren
Sinne 11
Abbildung 2.2: KDD als interdisziplinärer Bereich ; 16
Abbildung 2.3: Das Prozeßmodell von Brachman, Anand (1996) 22
Abbildung 2.4: Das Prozeßmodell von Chapman et al. (1998) 25
Abbildung 2.5: Generic Tasks und Outputs des Prozeßmodells von Chapman et al.
(1998) 27
Abbildung 2.6: Das Prozeßmodell von Fayyad et al. (1996a) 28
Abbildung 2.7: Das Prozeßmodell von John (1997) 30
Abbildung 2.8: Das Prozeßmodell von Wirth, Reinartz (1996) 32
Abbildung 2.9: Entscheidungsfindungsprozeß im interdisziplinären Forschungs¬
umfeld Datenanalyse, Expertenwissen und Entscheidungsunter¬
stützung 34
Abbildung 2.10: Die fünf Hauptschritte des KDD-Prozesses und ihre Zuordnung in
ausgewählten Prozeßmodellen 35
Abbildung 2.11: Eigener Ansatz eines KDD-Prozeßmodells mit den fünf Haupt¬
schritten und den wichtigsten Unteraufgaben 39
Abbildung 2.12: Mögliche Data Mining Verfahrensklassen unterteilt nach muster¬
erkennenden und musterbeschreibenden Verfahren 43
Abbildung 2.13: Eine Auswahl wichtiger Data Mining Verfahren, unterteilt nach
der Analyse-Aufgabe 46
Abbildung 3.1: Jahr der Veröffentlichung der betrachteten Berichte 51
Abbildung 3.2: Anwendungsbereiche der betrachteten Berichte 52
Abbildung 3.3: In den betrachteten Berichten eingesetzte Verfahren 53
Abbildung 3.4: In den betrachteten Berichten bearbeitete Data Mining Aufgaben ... 55
Abbildung 3.5: Zahl der „False Alarms 59
Abbildung 3.6: Zahl der richtig erkannten betrügerischen Transaktionen 59
xiv
Abbildung 3.7: Top Two Vendors Seriously Under Evaluation fbr Data Mining
Tools 65
Abbildung 3.8: Data Mining Verfahren der betrachteten Soflwareprodukte 68
Abbildung 3.9: Merkmale zur Untersuchung der Unterstützungsmöglichkeiten der
Hauptschritte des KDD-Prozeßmodells 70
Abbildung 3.10: Segmentierung und Positionierung der ausgewählten Data Mining
Soilwareprodukte 73
Abbildung 3.11: Dendrogramm des Average Linkage Verfahrens ; 74
Abbildung 4.1: Algorithmus zur divisiven Induktion eines Entscheidungsbaumes... 86
Abbildung 4.2: Entscheidungsbaum zum Datensatz aus Tabelle 4.2, für den nur
Unterteilungen der Form (4.1) zugelassen sind 87
Abbildung 4.3: Entscheidungsbaum zum Datensatz aus Tabelle 4.2, für den nur
Unterteilungen der Form (4.3) zugelassen sind 87
Abbildung 4.4: Mit Hilfe des Informationsgewinnes generierter Baum 90
Abbildung 4.5: Mit Hilfe des Gini-Index generierter Baum 95
Abbildung 4.6: Großer Entscheidungsbaum aus den Daten der Tabelle 4.4 99
Abbildung 5.1: Der AIS-Algorithmus J14
Abbildung 5.2: Der SETM-Algorithmus 115
Abbildung 5.3: Der Apriori-Algorithmus 117
Abbildung 5.4: Der AprioriTID-Algorithmus 120
Abbildung 5.5: Der PARTITION-Algorithmus 123
Abbildung 5.6: Graphische Darstellung der Hierarchie % 124
Abbildung 5.7: Der Algorithmus Cumulate 127
Abbildung 5.8: Die häufigen Mengen lür .vmi„ = l/3 129
Abbildung 6.1: Übersicht über das Vorgehen des CART-LC-Aigorithmus zur
Bestimmung eines multivariaten Splits im aktuellen Knoten des
Baumes. .. ...141
Abbildung 6.2: Übersicht über das Vorgehen des OC1 -Algorithmus zur
Bestimmung eines multivariaten Splits im aktuellen Knoten des
Baumes 144
Abbildung 6.3: Schematischc Darstellung des DTAR-Verfahrens 148
Abbildung 6.4: Allgemeine Vorgehensweise zur Generierung der häufigen Item¬
mengen im DTAR-Verfahren 150
Abbildung 6.5: Univariater Entscheidungsbaum zum Datensatz aus Tabelle 6.3.... 153
Abbildung 6.6: Multivariater Entscheidungsbaum des DTAR-Verfahrens zum
Datensatz aus Tabelle 6.3 155
Abbildung 6.7: Vorgehensweise für quantitative Merkmale zur Generierung der
häufigen Itemmengen im DTAR-Verfahren 157
Abbildung 6.8: Berechnung der Unterschranke des minimalen Supports am
Beispiel des Gini-Index 160
X¥
Abbildung 6 J; DureteehalttHche Zahl der Endknoten innerhalb der SimttMons*
stuifo .„..,.,..,.„.....,..„,.,.„.,.„..„,„, .,„.,.„.„., ,.—, „.„.167
Abbildung 6,10: DuMfeehnitf liehe Ktassifikationsgüte innerhalb der Simulations-
stücBe ,.,...„.,.„. „ ,..,..,.....„„,.,..., „...„.,.,.,„„.., ,—.168
Abbildung 7.1; Modifizierter Äpriori-Algorithmus für Kauffolgen ,. 178
Abbildung 7,2: Mit Hilfe des modifizierten Apriori-Älgorithmus für Kauflölgea
generierte Mengen .„», „„...„..,.. ,.,.„, , .„..» .,„.,„.. 179
Abbildung 7.3: Mit Hilfe des modifizierten Apriori-Algoriöuims für Kaufifblgen
generierte Switching-Regeln ,.,..,... , ISO
Abbildung 7.4; Loyalitäts-Werte der Marke 2 (Ariel) im Zeitverlauf 191
Abbildung 7.5: Loyalitäts-Werte der Marke 5 (Sunil) im Zeitverlauf 191
Tabellenverzeichnis
Tabelle 1.1: Übersicht über Definitionen des Begriffes Data Mining in derLiteratur . 4
: Tabelle 2.1: Verschiedene Beschreibungen der wichtigsten Data Mining Aufgaben 41
Tabelle3.1: Ausgewählte Data Mining Anwendungsberichte von 1996-1998 49
Tabelle 3.2: Ausführlichere Betrachtung der Verfahrcnsklassen Neuronale Netze
und Entscheidungsbaumverfahren 54
Tabelle 3.3: Data Mining Verfahren aus Abbildung 2.13 und ihr Einsatz in der
vorliegenden Studie , 54
Tabelle 3.4: Studien zum Vergleich von Data Mining Softwareprodukten 57
Tabelle 3.5: Ease of Use Comparison 58
Tabelle 3.6: Bewertung von fünf Data Mining Tools 61
Tabelle 3.7: Bedienbarkeit ausgewählter Data Mining Tools 62
Tabelle 3.8: Automatisierungsmöglichkeiten ausgewählter Data Mining Tools 63
Tabelle 3.9: Stärken und Schwächen ausgewählter Data Mining Software Tools 63
Tabelle 3.10: Ausgewählte Data Mining Tools 66
Tabelle 3.11: Data Mining Aufgaben und Verfahren der vorgestellten Soflware-
produkte 67
Tabelle 3.12: Gegenüberstellung der am meisten eingesetzten Data Mining
Verfahren der Studien aus Kapitel 3 69
Tabel 1 e 3. i 3: Unterstützungsmöglichkeiten der ausgewählten Data Mining
Softwareprodukte für drei der Hauptschritte des KDD-Prozesses
sowie zusätzliche Eigenschaften 72
Tabelle 3.14: Durchschnittliche Ausprägungswerte der 4-Klassenlösung des
Average Linkage-Verfahrens 74
Tabelle 4.1: Kontingen/Mel für die Unterteilung 5 t (•£ ) 85
Tabelle 4.2: Beispiel eines Kundendatensatzes 87
Tabelle 4.3: Kontingenztafel für die Unterteilung S4(£) 89
Tabelle 4.4: Kundendatensatz 94
xvni
Tabelle 4.5: Werte der Unreinheitsmaße für die wichtigsten Unterteilungen der
Merkmale Einkommen und Alter für die gesamten Trainingsdaten in
der Wurzel des Baumes 95
Tabelle 4.6: Werte des Error-Complexity-Pruning 100
Tabelle 4.7: Werte für Kriterium (4.12) für die Knoten des Baumes aus
Abbildung 4.6 102
Tabelle 4.8: Schätzer für die falschen Vorhersagen des Baumes aus
Abbildung 4.2 103
Tabelle 4.9: Eigenschaften der vorgestellten Post-Pruning-Techniken 104
Tabelle 4.10: Eigenschaften der betrachteten Entscheidungsbaumverfahren 104
Tabelle 4.11: Entscheidungsbaum-Softwareprodukte 107
Tabelle 5.1: Zwischenergebnisse des Apriori-Algorithmus 118
Tabelle 5.2: Zwischenergebnisse des AIS-Algorithmus 119
Tabelle 5.3: Mögliche Datenbasis aus Kundentransaktionen 125
Tabelle 5.4: Mögliche Assoziationsregeln 125
Tabelle 5.5: Einfache Datenbasis aus Kundeninformationen 130
Tabelle 5.6: Binärdarstellung der Datenbasis aus Tabelle 5.5 131
Tabelle 5.7: Mögliche quantitative Assoziationsregeln 131
Tabelle 5.8: Vierfeldertafel für paarweise Verbundbeziehungen 134
Tabelle 5.9: Vierfeldertafel für Assoziationsregeln X - r und Y - X 135
Tabelle 5.10: Kontingenztafel für die Ereignisse Tee und Kaffee 136
Tabelle 5.11: Eigenschaften der vorgestellten Bewertungsmaße 138
Tabelle 6.1: Kontingenzlafel zur Unterteilung s2(£,ir) 15 J
Tabelle 6.2: Darstellung der Kontingenztafel aus Tabelle 6.1 mit Hilfe der
Support-Werte der zugehörigen Assoziationsregeln 152
Tabelle 6.3: Beispieldatensatz bestehend aus drei Merkmalen und zwei Klassen¬
bezeichnungen 153
Tabelle 6.4: Support-Werte der eineiementigen Itemmengen 154
Tabelle 6.5: Support-Werte der dreielementigen Itemmengen 154
Tabelle 6.6: Gesamtzahl der Teilintervalle des Merkmals „Anzahl der Kinder
des Kundendatensatzes aus Tabelle 4.4 158
Tabelle 6.7: Elemente aus/ 158
Tabelle 6.8: Elemente aus I 158
Tabelle 6.9: Zur Analyse verwendete Datensätze und ihre Eigenschaften 163
Tabelle 6.10: Durchschnittliche Klassifikationsgüte der angewendeten Verfahren
bei 10-facher Kreuzvalidierung 164
Tabelle 6.11: Zahl der Endknoten und maximale Tiefe der generierten Bäume bei
10-facher Kreuzvalidierung 165
Tabelle 7.1: Ansätze zur Marktstrukturanalyse basierend auf aggregierten
Markenwechseldaten 172
1
I
I XDC
Tabelle 7.2: Hauptkategorien von Loyalitätsmaßen 173
; Tabelle 7.3: Untersuchte Marken und zugehörige Marktanteile 184
: Tabelle 7.4: Zahl der Regeln für ausgewählte Support-Schranken 185
Tabelle 7.5: Switching-Regeln (XX) mit 3,(X0,T) m 186
; Tabelle 7.6: Zahl der Haushalte bezüglich der Mindestanzahl von Kaufakten 187
Tabelle 7.7: Loyalitäts-Werte des verallgemeinerten Modells für Switching-
Matrizen höherer Ordnung 188
i Tabelle 7.8: Anpassungsgüte der geschätzten p,i;,2...„ Werte an die beobachteten
Größen Pq,Ml . . 188
Tabelle 7.9: Eigenschaften der untersuchten Teilintervalle des Betrachtungs
Zeitraumes 189
Tabelle 7.10: Werte der verallgemeinerten Loyalitätsmaße a q(K) für Marken,
Switching-Regeln der Länge / und Teilintervall k 189
Tabelle 7.11: Anpassungsgüte der gefundenen Lösungen für die betrachteten
Teilintervalle , 190
|
| any_adam_object | 1 |
| author | Säuberlich, Frank 1970- |
| author_GND | (DE-588)121996808 |
| author_facet | Säuberlich, Frank 1970- |
| author_role | aut |
| author_sort | Säuberlich, Frank 1970- |
| author_variant | f s fs |
| building | Verbundindex |
| bvnumber | BV013163833 |
| callnumber-first | Q - Science |
| callnumber-label | QA76 |
| callnumber-raw | QA76.9.D3 |
| callnumber-search | QA76.9.D3 |
| callnumber-sort | QA 276.9 D3 |
| callnumber-subject | QA - Mathematics |
| classification_rvk | QP 327 QP 345 |
| ctrlnum | (OCoLC)46917968 (DE-599)BVBBV013163833 |
| discipline | Wirtschaftswissenschaften |
| format | Thesis Book |
| fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>02436nam a22005778cb4500</leader><controlfield tag="001">BV013163833</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20001106 </controlfield><controlfield tag="007">t</controlfield><controlfield tag="008">000516s2000 gw d||| m||| 00||| ger d</controlfield><datafield tag="016" ind1="7" ind2=" "><subfield code="a">958904596</subfield><subfield code="2">DE-101</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">363136735X</subfield><subfield code="c">brosch. : ca. DM 89.00 (freier Pr.)</subfield><subfield code="9">3-631-36735-X</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)46917968</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)BVBBV013163833</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-604</subfield><subfield code="b">ger</subfield><subfield code="e">rakddb</subfield></datafield><datafield tag="041" ind1="0" ind2=" "><subfield code="a">ger</subfield></datafield><datafield tag="044" ind1=" " ind2=" "><subfield code="a">gw</subfield><subfield code="c">DE</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-1102</subfield><subfield code="a">DE-473</subfield><subfield code="a">DE-945</subfield><subfield code="a">DE-1049</subfield><subfield code="a">DE-634</subfield><subfield code="a">DE-188</subfield></datafield><datafield tag="050" ind1=" " ind2="0"><subfield code="a">QA76.9.D3</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">QP 327</subfield><subfield code="0">(DE-625)141858:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">QP 345</subfield><subfield code="0">(DE-625)141866:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Säuberlich, Frank</subfield><subfield code="d">1970-</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)121996808</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">KDD und Data Mining als Hilfsmittel zur Entscheidungsunterstützung</subfield><subfield code="c">Frank Säuberlich</subfield></datafield><datafield tag="246" ind1="1" ind2="3"><subfield code="a">KDD und Data-Mining als Hilfsmittel zur Entscheidungsunterstützung</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Frankfurt am Main [u.a.]</subfield><subfield code="b">Lang</subfield><subfield code="c">2000</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">XIX, 235 S.</subfield><subfield code="b">graph. Darst.</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="b">n</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="b">nc</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="490" ind1="1" ind2=" "><subfield code="a">Entscheidungsunterstützung für ökonomische Probleme</subfield><subfield code="v">18</subfield></datafield><datafield tag="502" ind1=" " ind2=" "><subfield code="a">Zugl.: Karlsruhe, Univ., Diss., 2000</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Data mining</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Database management</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Wissensextraktion</subfield><subfield code="0">(DE-588)4546354-2</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Unternehmen</subfield><subfield code="0">(DE-588)4061963-1</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Data Mining</subfield><subfield code="0">(DE-588)4428654-5</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Multivariate Analyse</subfield><subfield code="0">(DE-588)4040708-1</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Entscheidungsbaum</subfield><subfield code="0">(DE-588)4347788-4</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="655" ind1=" " ind2="7"><subfield code="0">(DE-588)4113937-9</subfield><subfield code="a">Hochschulschrift</subfield><subfield code="2">gnd-content</subfield></datafield><datafield tag="689" ind1="0" ind2="0"><subfield code="a">Wissensextraktion</subfield><subfield code="0">(DE-588)4546354-2</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="689" ind1="1" ind2="0"><subfield code="a">Data Mining</subfield><subfield code="0">(DE-588)4428654-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="689" ind1="2" ind2="0"><subfield code="a">Unternehmen</subfield><subfield code="0">(DE-588)4061963-1</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="2" ind2="1"><subfield code="a">Data Mining</subfield><subfield code="0">(DE-588)4428654-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="2" ind2="2"><subfield code="a">Entscheidungsbaum</subfield><subfield code="0">(DE-588)4347788-4</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="2" ind2="3"><subfield code="a">Multivariate Analyse</subfield><subfield code="0">(DE-588)4040708-1</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="2" ind2=" "><subfield code="5">DE-188</subfield></datafield><datafield tag="830" ind1=" " ind2="0"><subfield code="a">Entscheidungsunterstützung für ökonomische Probleme</subfield><subfield code="v">18</subfield><subfield code="w">(DE-604)BV002417921</subfield><subfield code="9">18</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">HBZ Datenaustausch</subfield><subfield code="q">application/pdf</subfield><subfield code="u">http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=008968931&sequence=000002&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA</subfield><subfield code="3">Inhaltsverzeichnis</subfield></datafield><datafield tag="999" ind1=" " ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-008968931</subfield></datafield></record></collection> |
| genre | (DE-588)4113937-9 Hochschulschrift gnd-content |
| genre_facet | Hochschulschrift |
| id | DE-604.BV013163833 |
| illustrated | Illustrated |
| indexdate | 2024-07-09T18:40:07Z |
| institution | BVB |
| isbn | 363136735X |
| language | German |
| oai_aleph_id | oai:aleph.bib-bvb.de:BVB01-008968931 |
| oclc_num | 46917968 |
| open_access_boolean | |
| owner | DE-1102 DE-473 DE-BY-UBG DE-945 DE-1049 DE-634 DE-188 |
| owner_facet | DE-1102 DE-473 DE-BY-UBG DE-945 DE-1049 DE-634 DE-188 |
| physical | XIX, 235 S. graph. Darst. |
| publishDate | 2000 |
| publishDateSearch | 2000 |
| publishDateSort | 2000 |
| publisher | Lang |
| record_format | marc |
| series | Entscheidungsunterstützung für ökonomische Probleme |
| series2 | Entscheidungsunterstützung für ökonomische Probleme |
| spelling | Säuberlich, Frank 1970- Verfasser (DE-588)121996808 aut KDD und Data Mining als Hilfsmittel zur Entscheidungsunterstützung Frank Säuberlich KDD und Data-Mining als Hilfsmittel zur Entscheidungsunterstützung Frankfurt am Main [u.a.] Lang 2000 XIX, 235 S. graph. Darst. txt rdacontent n rdamedia nc rdacarrier Entscheidungsunterstützung für ökonomische Probleme 18 Zugl.: Karlsruhe, Univ., Diss., 2000 Data mining Database management Wissensextraktion (DE-588)4546354-2 gnd rswk-swf Unternehmen (DE-588)4061963-1 gnd rswk-swf Data Mining (DE-588)4428654-5 gnd rswk-swf Multivariate Analyse (DE-588)4040708-1 gnd rswk-swf Entscheidungsbaum (DE-588)4347788-4 gnd rswk-swf (DE-588)4113937-9 Hochschulschrift gnd-content Wissensextraktion (DE-588)4546354-2 s DE-604 Data Mining (DE-588)4428654-5 s Unternehmen (DE-588)4061963-1 s Entscheidungsbaum (DE-588)4347788-4 s Multivariate Analyse (DE-588)4040708-1 s DE-188 Entscheidungsunterstützung für ökonomische Probleme 18 (DE-604)BV002417921 18 HBZ Datenaustausch application/pdf http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=008968931&sequence=000002&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA Inhaltsverzeichnis |
| spellingShingle | Säuberlich, Frank 1970- KDD und Data Mining als Hilfsmittel zur Entscheidungsunterstützung Entscheidungsunterstützung für ökonomische Probleme Data mining Database management Wissensextraktion (DE-588)4546354-2 gnd Unternehmen (DE-588)4061963-1 gnd Data Mining (DE-588)4428654-5 gnd Multivariate Analyse (DE-588)4040708-1 gnd Entscheidungsbaum (DE-588)4347788-4 gnd |
| subject_GND | (DE-588)4546354-2 (DE-588)4061963-1 (DE-588)4428654-5 (DE-588)4040708-1 (DE-588)4347788-4 (DE-588)4113937-9 |
| title | KDD und Data Mining als Hilfsmittel zur Entscheidungsunterstützung |
| title_alt | KDD und Data-Mining als Hilfsmittel zur Entscheidungsunterstützung |
| title_auth | KDD und Data Mining als Hilfsmittel zur Entscheidungsunterstützung |
| title_exact_search | KDD und Data Mining als Hilfsmittel zur Entscheidungsunterstützung |
| title_full | KDD und Data Mining als Hilfsmittel zur Entscheidungsunterstützung Frank Säuberlich |
| title_fullStr | KDD und Data Mining als Hilfsmittel zur Entscheidungsunterstützung Frank Säuberlich |
| title_full_unstemmed | KDD und Data Mining als Hilfsmittel zur Entscheidungsunterstützung Frank Säuberlich |
| title_short | KDD und Data Mining als Hilfsmittel zur Entscheidungsunterstützung |
| title_sort | kdd und data mining als hilfsmittel zur entscheidungsunterstutzung |
| topic | Data mining Database management Wissensextraktion (DE-588)4546354-2 gnd Unternehmen (DE-588)4061963-1 gnd Data Mining (DE-588)4428654-5 gnd Multivariate Analyse (DE-588)4040708-1 gnd Entscheidungsbaum (DE-588)4347788-4 gnd |
| topic_facet | Data mining Database management Wissensextraktion Unternehmen Data Mining Multivariate Analyse Entscheidungsbaum Hochschulschrift |
| url | http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=008968931&sequence=000002&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |
| volume_link | (DE-604)BV002417921 |
| work_keys_str_mv | AT sauberlichfrank kddunddataminingalshilfsmittelzurentscheidungsunterstutzung |