Descriptive Data Mining

این کتاب مروری بر مدیریت دانش ارائه می دهد. با مقدمه‌ای بر موضوع شروع می‌شود و مدل‌های توصیفی را در زمینه حوزه کلی و همچنین در حوزه خاص‌تر تحلیل داده‌کاوی قرار می‌دهد. فصل 2 تجسم داده ها، از جمله جهت دسترسی به نرم افزار منبع باز R (توضیح داده شده از طریق Rattle) را پوشش می دهد. هر دو R و Rattle برای دانش آموزان رایگان است. فصل 3 سپس تجزیه و تحلیل سبد بازار را تشریح می کند و آن را با مدل های پیشرفته تر مقایسه می کند و به مفهوم بالابر می پردازد. متعاقباً، فصل 4 مدل‌های بازاریابی RFM را توضیح می‌دهد و آن را با مدل‌های پیش‌بینی پیشرفته‌تر مقایسه می‌کند. در مرحله بعد، فصل 5 قوانین ارتباط، از جمله الگوریتم APriori را تشریح می کند و پشتیبانی نرم افزاری را از R ارائه می دهد. فصل 6 تجزیه و تحلیل خوشه ای را پوشش می دهد، از جمله پشتیبانی نرم افزار از R (Rattle)، KNIME، و WEKA، که همه آنها منبع باز هستند. فصل 7 به تشریح تجزیه و تحلیل پیوند، معیارهای شبکه اجتماعی و نرم افزار منبع باز NodeXL می پردازد و کاربرد تحلیل پیوند را با استفاده از خروجی PolyAnalyst نشان می دهد. فصل 8 خلاصه نگاری را به پایان می‌رساند.
این کتاب توصیفی با استفاده از داده‌های مربوط به کسب‌وکار برای نشان دادن مدل‌ها، نحوه کار روش‌ها را با برخی نقل‌قول‌ها، اما بدون ارجاع دقیق توضیح می‌دهد. مجموعه داده ها و نرم افزار انتخاب شده به طور گسترده در دسترس هستند و به راحتی می توان به آنها دسترسی داشت.

This book offers an overview of knowledge management. It starts with an introduction to the subject, placing descriptive models in the context of the overall field as well as within the more specific field of data mining analysis. Chapter 2 covers data visualization, including directions for accessing R open source software (described through Rattle). Both R and Rattle are free to students. Chapter 3 then describes market basket analysis, comparing it with more advanced models, and addresses the concept of lift. Subsequently, Chapter 4 describes smarketing RFM models and compares it with more advanced predictive models. Next, Chapter 5 describes association rules, including the APriori algorithm and provides software support from R. Chapter 6 covers cluster analysis, including software support from R (Rattle), KNIME, and WEKA, all of which are open source. Chapter 7 goes on to describe link analysis, social network metrics, and open source NodeXL software, and demonstrates link analysis application using PolyAnalyst output. Chapter 8 concludes the monograph.
Using business-related data to demonstrate models, this descriptive book explains how methods work with some citations, but without detailed references. The data sets and software selected are widely available and can easily be accessed.