Mineria de datos

MINERIA DE DATOS
20-MAYO-2010

INTRODUCCION.
En la actual sociedad de la información, donde cada día a día se multiplica la cantidad de datos almacenados casi de forma exponencial, laminería de datos es una herramienta fundamental para analizarlos y explotarlos de forma eficaz para los objetivos de cualquier organización. La minería de datos se define también como el análisis y descubrimientode conocimiento a partir de datos.
La minería de datos hace uso de todas las técnicas que puedan aportar información útil, desde un sencillo análisis gráfico, pasando por métodos estadísticos más o menos complejos, complementados con métodos y algoritmos del campo de la inteligencia artificial y el aprendizaje automático que resuelven problemas típicos de agrupamiento automático, clasificación,predicción de valores, detección de patrones, asociación de atributos, etc. Es, por tanto, un campo multidisciplinar que cubre numerosas áreas y se aborda desde múltiples puntos de vista, como la estadística, la informática (cálculo automático) o la ingeniería.

OBJETIVO.
El objetivo de la Minería de Datos (MD) es extraer información interesante/útil a partir de datos. En muchos casos estainformación  tiene la forma de patrones no evidentes en los datos y, dependiendo de su complejidad, puede llegarse a hablar de conocimiento. La minería de datos se basa en técnicas propias de la estadística y el aprendizaje de máquina, y tiene una estrecha relación con las bodegas de datos y el OLAP.

INDICE
Contenido
INTRODUCCION. 2
OBJETIVO. 3
INDICE 4
MINERIA DE DATOS. 6
PROCESO. 7PROTOCOLO DE UN PROYECTO DE MINERÍA DE DATOS. 8
TÉCNICAS DE MINERÍA DE DATOS. 9
Las técnicas más representativas. 9
Redes neuronales.- 9
Regresión lineal.- 9
Árboles de decisión.- 9
Modelos estadísticos.- 10
Agrupamiento o Clustering.- 10
EJEMPLOS DE USO DE LA MINERÍA DE DATOS. 10
Negocios 10
Hábitos de compra en supermercados 11
Patrones de fuga 11
Fraudes 11
Recursoshumanos 12
Comportamiento en Internet 12
Terrorismo 12
Juegos 12
Ciencia e Ingeniería 13
Genética 13
Ingeniería eléctrica 13
Análisis de gases 14
VENTAJAS DE LA MINERIA DE DATOS 15
Los modelos son fáciles de entender. 15
Enormes bases de datos pueden ser analizadas. 15
La minería de datos descubre información que no se esperaba obtener. 15
Los Modelos Son Confiables 15
Losmodelos se construyen de manera rápida. 15
CONCLUCIÒN 16
GLOSARIO. 17
BIBLIOGRAFIA. 18

MINERIA DE DATOS.
Es un término genérico que engloba resultados de investigación, técnicas y herramientas usadas para extraer información útil de grandes bases de datos. Los algoritmos de Data Mining se enmarcan en el proceso completo de extracción de información conocido como KDD [Knowledge Discoveryin Databases], que se encarga además de preparación de los datos y de la interpretación de los resultados obtenidos. No debemos olvidar que de la simple aplicación de técnicas de Data Mining sólo se obtienen patrones que no sirven de gran cosa mientras no se les encuentre significado
Los datos recogen un conjunto de hechos (una base de datos) y los patrones son expresiones que describen unsubconjunto de los datos (un modelo aplicable a ese subconjunto). KDD involucra un proceso iterativo e interactivo de búsqueda de modelos, patrones o parámetros. Los patrones descubiertos han de ser válidos, novedosos para el sistema (para el usuario siempre que sea posible) y potencialmente útiles.
Se han de definir medidas cuantitativas para los patrones obtenidos (precisión, utilidad, beneficioobtenido...). Se debe establecer alguna medida de interés [interestingness] que considere la validez, utilidad y simplicidad de los patrones obtenidos mediante alguna de las técnica de Data Mining. El objetivo final de todo esto es incorporar el conocimiento obtenido en algún sistema real, tomar decisiones a partir de los resultados alcanzados o, simplemente, registrar la información conseguida y...