Introducción a la Minería de DatosEditora E-papers |
Contenido
Sección 1 | 3 |
Sección 2 | 6 |
Sección 3 | 7 |
Sección 4 | 9 |
Sección 5 | 11 |
Sección 6 | 15 |
Sección 7 | 19 |
Sección 8 | 23 |
Sección 14 | 65 |
Sección 15 | 73 |
Sección 16 | 77 |
Sección 17 | 81 |
Sección 18 | 83 |
Sección 19 | 87 |
Sección 20 | 93 |
Sección 21 | 97 |
Sección 9 | 27 |
Sección 10 | 37 |
Sección 11 | 45 |
Sección 12 | 52 |
Sección 13 | 64 |
Sección 22 | 99 |
Sección 23 | 101 |
Sección 24 | 105 |
Términos y frases comunes
accidentes algoritmo análisis discriminante Anexo árbol de clasificación Atributo eliminado Atributo transformado base de datos calcular categorías centroides Chi-cuadrado clasificación supervisada class clientes coeficientes compra Compra Total conjunto de datos considerados crédito criterio cualitativa Data mining Data warehouse datos de entrenamiento descripción Deviance DISTRICT_ donador ejemplo empresa error estadística estimación etapa evaluación eventos Familias front front page fueron función grupos hipótesis identificación insurance policies intervalo de confianza lineal marketing Matriz de confusión máxima verosimilitud métodos minería de datos muestra de entrenamiento neuronas News nivel nodo Normal Intrusión número objetivo observación obtenido OLAP OLTP p-valor parámetros Partición Plan de prototipaje policies Number pólizas predicción predictivo probabilidad problema punto de corte redes neuronales registros regresión lineal regresión logística regresión no lineal relación resultados retorno selección Senior sexo siguientes sistema soporte cobertura Tabla Tablas de contingencia tarjeta técnicas TRANS_PA Transformación Atributo trimestre Pago usuario utilizado validación variables explicativas