Zusammenfassung
In der betrieblichen Praxis liegen vielfach nur kleine Datenbestände vor. Die ent- wickelte Herangehensweise beruht auf dem Group Method of Data Handling- Prinzip, das Grundlage der insbesondere auch bei wenigen Datensätzen eine hohe Leistungsfähigkeit beweisenden Self-Organising Data Mining-Algorithmen ist. Diese kombinieren die Vorteile der mathematischen Statistik bzw. nicht-parametrischer Modelle mit dem Konnektionismus und der Selbstorganisation. Der Prozess der Wissensextraktion aus den Daten erfolgt weitgehend automatisch bei minimaler A-priori-Information mit dem Tool KnowledgeMiner.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2002 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Müller, JA. (2002). Wissensextraktion aus betriebswirtschaftlichen Daten. In: Hannig, U. (eds) Knowledge Management und Business Intelligence. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-55950-1_8
Download citation
DOI: https://doi.org/10.1007/978-3-642-55950-1_8
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-642-62737-8
Online ISBN: 978-3-642-55950-1
eBook Packages: Springer Book Archive