5b Mineria de Datos

GUIA DE PRÁCTICAS DE LABORATORIO / TALLERES
EN RELACIÓN A LA ASIGNATURA

Integrantes:
Quiroz Moreira Jhonatan
Rivera Parrales Jean Carlos
Loor Garcia Geovany
Medina Miguel
Zavala Jara Cesar
Carrera: Ingeniería en Sistemas
Docente: Ing. Jorge Iván Pincay Ponce
Curso: Quinto
Periodo lectivo:
2015 - 2016
Asignatura: Inteligencia Artificial
Paralelo:
“B”
Número de Práctica/talleres:
Fecha:Nombre de la Unidad: Minería de datos y aprendizaje automático.
Tema:
Técnicas de minería de datos
Número horas:
8

OBJETIVO DE LA PRÁCTICA
Investigar las técnicas más importantes de minería de datos implementados agrupación en clústeres, árboles de decisión y Bayes Naive en problemas como análisis y predicción de comportamiento de compra de los clientes.

¿QUE PROBLEMAS SE RESUELVEN CON MINERIA DEDATOS Y QUE PROBLEMAS NO SE RESUELVEN CON MINERIA DE DATOS?

Por lo general, los proyectos de minería de datos implican una combinación de diferentes tipos de problema, que juntos solucionan el problema de negocio.

1. Descripción de Datos y Resumen

La descripción y el resumen de datos apuntan a la descripción concisa de las características de los datos, típicamente en forma elemental yagregada. Esto da al usuario una descripción de la estructura de los datos. A veces, una descripción y resumen de los datos solo puede ser un objetivo de un proyecto de minería de datos. Por ejemplo, un minorista podría estar interesado en el volumen de ventas de todas las salidas separado por categorías. Los cambios y diferencias de un período anterior podrían ser resumidos y destacados. Esta clase deproblema estaría en lo mas bajo de la escala de problemas de minería de datos.
En casi todos los proyectos de minería de datos, sin embargo, la descripción y resumen de los datos son un objetivo subordinado en el proceso, típicamente en sus tempranas etapas. En el principio de un proceso de minería de datos, el usuario a menudo no conoce, ni el objetivo preciso del análisis, ni la naturaleza exactade los datos. La exploración inicial del análisis de datos puede ayudar a los usuarios a entender la naturaleza de los datos y formar hipótesis potenciales de la información oculta. La estadística descriptiva simple y las técnicas de visualización proporcionan las primeras ideas sobre los datos. Por ejemplo, la distribución de clientes por edad y regiones geográficas sugiere que partes de un grupode clientes necesita para ser dirigida para futuras estrategias de comercialización (marketing).
La descripción y el resumen de datos típicamente ocurren en combinación con otros tipos de problemas de minería de datos. Por ejemplo, la descripción de datos puede conducir a la postulación (presunción) de segmentos interesantes en los datos. Una vez que los segmentos son identificados y definidos,una descripción y un resumen de estos segmentos son útiles. Es aconsejable llevar a cabo una descripción y resumen de datos antes de que cualquier otro tipo de problema de minería de dato sea especificado (dirigido). En este documento, esto esta reflejado en el hecho que la descripción y resumen de datos es una tarea en la fase de comprensión de datos.
El resumen también juega un papel importanteen la presentación de los resultados finales. Los resultados de otros tipos de problemas de minería de datos (por ejemplo, las descripciones de conceptos o los modelos de predicción) también pueden ser considerados resumen de datos, pero sobre un nivel conceptual más alto.
Muchos sistemas de informe, paquetes estadísticos, OLAP, y sistemas EIS pueden cubrir la descripción y resumen de datos, perohacerlo usualmente no proporciona algunos métodos para realizar modelado más avanzado. Si la descripción y resumen de datos son considerados un tipo de problema independiente y ningún modelado futuro es requerido, entonces estas herramientas pueden ser apropiadas para realizar los compromisos de minería de datos.

CONCEPTOS

Algoritmos de Regresión Lineal

La regresión lineal es una...