Entdeckung hufiger Muster in Daten

Inhaltlich unvernderte Neuauflage. Die Entdeckung hufiger Muster in Daten und deren kondensierte Reprsentation stellen ein zentrales Thema im Data Mining dar. Der Autor Nuhad Shaabani prsentiert in diesem Buch die Aufgabe der Entdeckung hufiger Mengen in Datenbanken sowie ihre bertragung auf die Entdeckung hufiger Episoden, also zeitlich geordneter Muster. Dabei diskutiert er ausfhrlich wichtige Algorithmen zu deren Lsung wie FP-growth und WINEPI und er entwickelt einen neuen Algorithmus, der die gleiche Aufgabe lst wie WINEPI, aber ohne Kandidatengenerierung. Das neue Verfahren ist insbesondere modular, da es auf der Entdeckung hufiger Mengen basiert, fr die verschiedene Teilalgorithmen eingesetzt werden knnen. Um die Redundanz in den entdeckten hufigen zeitlichen Mustern zu verringern, wird weiterhin ein neues Verfahren zu deren kondensierten Reprsentation entwickelt. Dazu werden verschiedene aus der Literatur bekannte Verfahren zur Verringerung der Redundanz in den hufigen Mengen erlutert. Techniken zur Implementierung des grten Teiles der Verfahren werden diskutiert.