It will be shipped from our warehouse between Thursday, July 11 and Friday, July 12.
You will receive it anywhere in United States between 1 and 3 business days after shipment.
Ausreißer-Erkennung mit einem neuen hybriden Ansatz auf gemischten Datensätzen (in German)
Kaur, Navneet
Synopsis "Ausreißer-Erkennung mit einem neuen hybriden Ansatz auf gemischten Datensätzen (in German)"
Data Mining ist ein Prozess, bei dem versteckte und nützliche Informationen aus den Daten extrahiert werden. Die Erkennung von Ausrei ern ist ein grundlegender Teil des Data Mining und genie t in letzter Zeit gro e Aufmerksamkeit in der Forschungsgemeinschaft. Ein Ausrei er ist ein Datenobjekt, das von anderen Beobachtungen abweicht. Die Erkennung von Ausrei ern hat wichtige Anwendungen bei der Datenbereinigung sowie beim Mining von abnormalen Punkten für die Erkennung von Betrug, Börsenanalyse, Intrusion Detection, Marketing, Netzwerksensoren. Die meisten der bestehenden Forschungsbemühungen konzentrieren sich auf numerische Datensätze, die nicht direkt auf kategorische Datensätze anwendbar sind, bei denen es wenig Sinn macht, die Daten zu ordnen und Abstände zwischen Datenpunkten zu berechnen. Darüber hinaus benötigen einige der aktuellen Ausrei er-Erkennungsmethoden quadratische Zeit in Bezug auf die Grö e des Datensatzes und benötigen in der Regel mehrere Scans der Daten; diese Eigenschaften sind unerwünscht, wenn die Datensätze gro sind. In dieser Arbeit wird ein Ansatz zur Ausrei ererkennung fokussiert und experimentell evaluiert, der auf kategoriale Datensätze ausgerichtet ist. Au erdem handelt es sich um einen einfachen, skalierbaren und effizienten Algorithmus zur Ausrei ererkennung, der den Vorteil hat, Ausrei er in kategorialen oder numerischen Datensätzen zu entdecken, indem er per