Data-Mining - Versionsgeschichte

Tzeh: Änderung 261648610 von 17387349L8764 rückgängig gemacht; Kein Beruf

2025-11-18T14:54:55Z

Änderung 261648610 von 17387349L8764 rückgängig gemacht; Kein Beruf

← Nächstältere Version		Version vom 18. November 2025, 15:54 Uhr
Zeile 262:		Zeile 262:
	[[Kategorie:New Economy]]		[[Kategorie:New Economy]]
	[[Kategorie:Technisches Fachgebiet]]		[[Kategorie:Technisches Fachgebiet]]
	[[Kategorie:Ingenieurberuf]]

17387349L8764: HC: Ergänze Kategorie:Ingenieurberuf

2025-11-18T09:23:06Z

HC: Ergänze Kategorie:Ingenieurberuf

← Nächstältere Version		Version vom 18. November 2025, 10:23 Uhr
Zeile 262:		Zeile 262:
	[[Kategorie:New Economy]]		[[Kategorie:New Economy]]
	[[Kategorie:Technisches Fachgebiet]]		[[Kategorie:Technisches Fachgebiet]]
			[[Kategorie:Ingenieurberuf]]

17387349L8764: HC: Ergänze Kategorie:Technisches Fachgebiet

2025-11-08T14:24:00Z

HC: Ergänze Kategorie:Technisches Fachgebiet

← Nächstältere Version		Version vom 8. November 2025, 15:24 Uhr
Zeile 261:		Zeile 261:
	[[Kategorie:Metaanalyse]]		[[Kategorie:Metaanalyse]]
	[[Kategorie:New Economy]]		[[Kategorie:New Economy]]
			[[Kategorie:Technisches Fachgebiet]]

17387349L8764: HC: Ergänze Kategorie:New Economy

2025-11-08T14:19:59Z

HC: Ergänze Kategorie:New Economy

← Nächstältere Version		Version vom 8. November 2025, 15:19 Uhr
Zeile 260:		Zeile 260:
	[[Kategorie:Data-Mining\| ]]		[[Kategorie:Data-Mining\| ]]
	[[Kategorie:Metaanalyse]]		[[Kategorie:Metaanalyse]]
			[[Kategorie:New Economy]]

KukiHaki: /* Literatur */ ergänzt

2025-10-06T11:43:21Z

Literatur: ergänzt

← Nächstältere Version		Version vom 6. Oktober 2025, 12:43 Uhr
Zeile 186:		Zeile 186:
	-->		-->
	<!-- Begründung: Literaturempfehlung aus diversen Data-Mining-Vorlesungen -->		<!-- Begründung: Literaturempfehlung aus diversen Data-Mining-Vorlesungen -->
			* Jürgen Cleve/Uwe Lämmel: ''Data Mining. Datenanalyse für Künstliche Intelligenz''. 4. Aufl. de Gruyter Oldenbourg, Berlin 2024, ISBN 978-3-11-138276-0.
			* Jiawei Han, Jian Pei, Hanghang Tong: ''Data mining. Concepts and techniques.'' 4. Aufl. Morgan Kaufman, Cambridge 2023, ISBN 978-0-12-811760-6.
	* {{Literatur		* {{Literatur
	\|Autor=Martin Ester, Jörg Sander		\|Autor=Martin Ester, Jörg Sander

Uncopy: /* Zeitreihenanalyse / Durchkopplung englischsprachiger Mehr-Wort-Lemmata nur bei weiterer Zusammensetzung (wie im Text* dieses Abschnitts)

2025-07-18T10:51:06Z

Zeitreihenanalyse: Durchkopplung englischsprachiger Mehr-Wort-Lemmata nur bei weiterer Zusammensetzung (wie im *Text* dieses Abschnitts)

← Nächstältere Version		Version vom 18. Juli 2025, 11:51 Uhr
Zeile 95:		Zeile 95:
	{{Hauptartikel\|Zeitreihenanalyse}}		{{Hauptartikel\|Zeitreihenanalyse}}

	In der Zeitreihenanalyse spielen die temporalen Aspekte und Beziehungen eine große Rolle. Hier können mittels spezieller Distanzfunktionen wie der [[Dynamic-Time-Warping]]-Distanz bestehende Data-Mining-Verfahren verwendet werden, es werden aber auch spezialisierte Verfahren entwickelt. Eine wichtige Herausforderung besteht darin, Reihen mit einem ähnlichen Verlauf zu erkennen, auch wenn dieser etwas zeitlich versetzt ist, aber dennoch ähnliche Charakteristika aufweist.		In der Zeitreihenanalyse spielen die temporalen Aspekte und Beziehungen eine große Rolle. Hier können mittels spezieller Distanzfunktionen wie der [[Dynamic Time Warping\|Dynamic-Time-Warping]]-Distanz bestehende Data-Mining-Verfahren verwendet werden, es werden aber auch spezialisierte Verfahren entwickelt. Eine wichtige Herausforderung besteht darin, Reihen mit einem ähnlichen Verlauf zu erkennen, auch wenn dieser etwas zeitlich versetzt ist, aber dennoch ähnliche Charakteristika aufweist.

	== Probleme des Data-Mining ==		== Probleme des Data-Mining ==

Aka: /* Data-Mining in der Industrie */ Tippfehler entfernt

2025-07-05T11:58:14Z

Data-Mining in der Industrie: Tippfehler entfernt

← Nächstältere Version		Version vom 5. Juli 2025, 12:58 Uhr
Zeile 116:		Zeile 116:
	* Im Finanzsektor:		* Im Finanzsektor:
	** [[Rechnungsprüfung]] zur Betrugserkennung		** [[Rechnungsprüfung]] zur Betrugserkennung
	** [[Kreditscoring]] zur Bestimmung von ~~Ausfallswahrscheinlichkeiten~~ kann als klassisches Beispiel von Data-Mining gesehen werden		** [[Kreditscoring]] zur Bestimmung von Ausfallwahrscheinlichkeiten kann als klassisches Beispiel von Data-Mining gesehen werden
	* Im Marketing:		* Im Marketing:
	** [[Marktsegmentierung]], beispielsweise Kunden in Bezug auf ähnliches Kaufverhalten bzw. Interessen für gezielte Werbemaßnahmen		** [[Marktsegmentierung]], beispielsweise Kunden in Bezug auf ähnliches Kaufverhalten bzw. Interessen für gezielte Werbemaßnahmen

Peter Gröbner: Änderung 257280694 von Oialand rückgängig gemacht; direkt darüber wird ja auf den Hauptartikel bereits verwiesen.

2025-06-23T08:24:54Z

Änderung 257280694 von Oialand rückgängig gemacht; direkt darüber wird ja auf den Hauptartikel bereits verwiesen.

← Nächstältere Version		Version vom 23. Juni 2025, 09:24 Uhr
Zeile 95:		Zeile 95:
	{{Hauptartikel\|Zeitreihenanalyse}}		{{Hauptartikel\|Zeitreihenanalyse}}

	In der [[Zeitreihenanalyse]] spielen die temporalen Aspekte und Beziehungen eine große Rolle. Hier können mittels spezieller Distanzfunktionen wie der [[Dynamic-Time-Warping]]-Distanz bestehende Data-Mining-Verfahren verwendet werden, es werden aber auch spezialisierte Verfahren entwickelt. Eine wichtige Herausforderung besteht darin, Reihen mit einem ähnlichen Verlauf zu erkennen, auch wenn dieser etwas zeitlich versetzt ist, aber dennoch ähnliche Charakteristika aufweist.		In der Zeitreihenanalyse spielen die temporalen Aspekte und Beziehungen eine große Rolle. Hier können mittels spezieller Distanzfunktionen wie der [[Dynamic-Time-Warping]]-Distanz bestehende Data-Mining-Verfahren verwendet werden, es werden aber auch spezialisierte Verfahren entwickelt. Eine wichtige Herausforderung besteht darin, Reihen mit einem ähnlichen Verlauf zu erkennen, auch wenn dieser etwas zeitlich versetzt ist, aber dennoch ähnliche Charakteristika aufweist.

	== Probleme des Data-Mining ==		== Probleme des Data-Mining ==

Oialand: /* growthexperiments-addlink-summary-summary:1|0|0 */

2025-06-23T08:18:54Z

Linkvorschlag-Funktion: 1 Link hinzugefügt.

← Nächstältere Version		Version vom 23. Juni 2025, 09:18 Uhr
Zeile 95:		Zeile 95:
	{{Hauptartikel\|Zeitreihenanalyse}}		{{Hauptartikel\|Zeitreihenanalyse}}

	In der Zeitreihenanalyse spielen die temporalen Aspekte und Beziehungen eine große Rolle. Hier können mittels spezieller Distanzfunktionen wie der [[Dynamic-Time-Warping]]-Distanz bestehende Data-Mining-Verfahren verwendet werden, es werden aber auch spezialisierte Verfahren entwickelt. Eine wichtige Herausforderung besteht darin, Reihen mit einem ähnlichen Verlauf zu erkennen, auch wenn dieser etwas zeitlich versetzt ist, aber dennoch ähnliche Charakteristika aufweist.		In der [[Zeitreihenanalyse]] spielen die temporalen Aspekte und Beziehungen eine große Rolle. Hier können mittels spezieller Distanzfunktionen wie der [[Dynamic-Time-Warping]]-Distanz bestehende Data-Mining-Verfahren verwendet werden, es werden aber auch spezialisierte Verfahren entwickelt. Eine wichtige Herausforderung besteht darin, Reihen mit einem ähnlichen Verlauf zu erkennen, auch wenn dieser etwas zeitlich versetzt ist, aber dennoch ähnliche Charakteristika aufweist.

	== Probleme des Data-Mining ==		== Probleme des Data-Mining ==

Horst Gräbner: Änderungen von 2003:DD:FF48:AF44:A87D:C6A8:D147:930F (Diskussion) auf die letzte Version von Knowledge2need zurückgesetzt

2024-06-07T16:31:37Z

Änderungen von 2003:DD:FF48:AF44:A87D:C6A8:D147:930F (Diskussion) auf die letzte Version von Knowledge2need zurückgesetzt

← Nächstältere Version		Version vom 7. Juni 2024, 17:31 Uhr
Zeile 108:		Zeile 108:

	=== Interpretation ===		=== Interpretation ===
	Als statistische Verfahren analysieren die Algorithmen die Daten ohne Hintergrundwissen über deren Bedeutung. Daher können die Verfahren meist nur einfache Modelle wie Gruppen oder Mittelwerte liefern. Oftmals sind die Ergebnisse als solche nicht mehr nachvollziehbar. Diese maschinell gewonnenen Ergebnisse müssen aber anschließend noch von dem Benutzer interpretiert werden, bevor man sie wirklich als Wissen ~~bxncvvv ezeichnen~~ kann.		Als statistische Verfahren analysieren die Algorithmen die Daten ohne Hintergrundwissen über deren Bedeutung. Daher können die Verfahren meist nur einfache Modelle wie Gruppen oder Mittelwerte liefern. Oftmals sind die Ergebnisse als solche nicht mehr nachvollziehbar. Diese maschinell gewonnenen Ergebnisse müssen aber anschließend noch von dem Benutzer interpretiert werden, bevor man sie wirklich als Wissen bezeichnen kann.

	== Anwendungsgebiete ==		== Anwendungsgebiete ==