680 páginasEl manual discurre apoyándose en numerosos ejemplos prácticos y utilizando herramientas de minería de datos como SPSS, Clementine o WEKA, ilustrando cada técnica con las diferentes implementaciones que de ella proporciona cada sistema. Para facilitar la asimilación de conceptos, el libro se estructura en seis partes bien diferenciadas, que se pueden seguir con varios itinerarios. Tabla de Contenido: PARTE I. Introducción Cap 1. Introducción a la Minería de Datos Cap 2. El proceso de Extracción de Conocimiento PARTE II. Preparación de datos Cap 3. Recopilación. Almacenes de datos Cap 4. Limpieza y Transformación de datos PARTE III. Técnicas de minería de datos Cap 6. El problema de la extracción de patrones Cap 7. Métodos estadísticos Cap 8. Reglas de asociación y dependencias Cap 9. Métodos basados en casos, en densidad o distancia Cap 10. Métodos bayesianos Cap 11. árboles de decisión y sistemas de aprendizaje de Reglas Cap 12. Métodos relacionales y otros métodos declarativos Cap 13. Redes neuronales artificiales Cap 14. Métodos basados en núcleo y máquinas de soporte vectorial Cap 15. Métodos estocásticos PARTE IV. E PARTE I. INTRODUCCIÓN Cap 1. Introducción a la Minería de Datos Cap 2. El proceso de Extracción de Conocimiento PARTE II. PREPARACIÓN DE DATOS Cap 3. Recopilación. Almacenes de datos Cap 4. Limpieza y Transformación de datos PARTE III. TÉCNICAS DE MINERÍA DE DATOS Cap 6. El problema de la extracción de patrones Cap 7. Métodos estadísticos Cap 8. Reglas de asociación y dependencias Cap 9. Métodos basados en casos, en densidad o distancia Cap 10. Métodos bayesianos Cap 11. árboles de decisión y sistemas de aprendizaje de Reglas Cap 12. Métodos relacionales y otros métodos declarativos Cap 13. Redes neuronales artificiales Cap 14. Métodos basados en núcleo y máquinas de soporte vectorial Cap 15. Métodos estocásticos PARTE IV. Evaluación, difusión y uso de modelos Cap 16. Técnicas de evaluación Cap 17. Combinación de modelos Cap 18. Interpretación , dif