Mineria De Datos

¿EN QUE CONSISTE LA MINERIA DE DATOS?

El datamining (minería de datos), es el conjunto de técnicas y tecnologías que permiten explorar grandes bases de datos, de manera automática o semiautomática, con el objetivo de encontrar patrones repetitivos, tendencias o reglas que expliquen el comportamiento de los datos en un determinado contexto.

Básicamente, el datamining surge para intentarayudar a comprender el contenido de un repositorio de datos. Con este fin, hace uso de prácticas estadísticas y, en algunos casos, de algoritmos de búsqueda próximos a la Inteligencia Artificial y a las redes neuronales.

De forma general, los datos son la materia prima bruta. En el momento que el usuario les atribuye algún significado especial pasan a convertirse en información. Cuando losespecialistas elaboran o encuentran un modelo, haciendo que la interpretación que surge entre la información y ese modelo represente un valor agregado, entonces nos referimos al conocimiento.

A grandes rasgos la minería de datos busca encontrar datos implícitos en conjuntos (estructurados o no-estructurados) de información, como puede ser una base de datos, que puedan servir para comprender mejor elcomportamiento de los flujos de información.

Proceso
Un proceso típico de minería de datos consta de los siguientes pasos generales:
1. Selección del conjunto de datos, tanto en lo que se refiere a las variables objetivo (aquellas que se quiere predecir, calcular o inferir), como a las variables independientes (las que sirven para hacer el cálculo o proceso), como posiblemente almuestreo de los registros disponibles.
2. Análisis de las propiedades de los datos, en especial los histogramas, diagramas de dispersión, presencia de valores atípicos y ausencia de datos (valores nulos).
3. Transformación del conjunto de datos de entrada, se realizará de diversas formas en función del análisis previo, con el objetivo de prepararlo para aplicar la técnica de minería de datosque mejor se adapte a los datos y al problema, a este paso también se le conoce como pre procesamiento de los datos.
4. Seleccionar y aplicar la técnica de minería de datos, se construye el modelo predictivo, de clasificación o segmentación.
5. Extracción de conocimiento, mediante una técnica de minería de datos, se obtiene un modelo de conocimiento, que representa patrones decomportamiento observados en los valores de las variables del problema o relaciones de asociación entre dichas variables. También pueden usarse varias técnicas a la vez para generar distintos modelos, aunque generalmente cada técnica obliga a un preprocesado diferente de los datos.
6. Interpretación y evaluación de datos, una vez obtenido el modelo, se debe proceder a su validación comprobando que lasconclusiones que arroja son válidas y suficientemente satisfactorias. En el caso de haber obtenido varios modelos mediante el uso de distintas técnicas, se deben comparar los modelos en busca de aquel que se ajuste mejor al problema. Si ninguno de los modelos alcanza los resultados esperados, debe alterarse alguno de los pasos anteriores para generar nuevos modelos.

Técnicas
Hay muchastécnicas usadas en la minería de datos, a continuación les voy a enumerar las mas importantes para que en caso de interesarle alguna puedan buscar mas información.
* Redes Neuronales
* Regresión lineal
* Árboles de decisión
* Modelos estadísticos
* Agrupamiento o Clustering

A su vez se pueden clasificar según el objetivos de los datos en dos grandes grupos:
* Algoritmossupervisados, predicen un dato (o un conjunto de ellos) desconocido a priori, a partir de otros conocidos.
* Algoritmos no-supervisados, se descubren patrones y tendencias en los datos.

Usos de la Minería de datos
El data Minning es utilizado en muchas ramas de empresas debido principalmente a que la inversión realizada tiene un retorno muy rápido. Aun así, dependiendo del negocio...