Cursodm

Curso de Minería de datos
Luis Pelayo Guerra Velasco
José María Peña Sánchez
Víctor Robles Forcada
Facultad de Informática, UPM
Mayo de 2008

Índice


Introducción



Preprocesado



Modelos descriptivos



Modelos predictivos



Validación

Índice


Introducción



Preprocesado



Modelos descriptivos



Modelos predictivos



Validación

Aproximación


Una visión simplificada dela minería de datos

Datos

Minería de datos

Modelos



Los “modelos” son el producto de la minería de datos...



...y dan soporte a las estrategias de decisión que se tomen

Datos y Modelos =>
Conocimiento


Los datos se obtienen de:




Bases de datos (relacionales,
espaciales, temporales,
documentales, multimedia,
etc)
World Wide Web



Modelos descriptivos: identifican
patrones queexplican o resumen los datos


Reglas de asociación: expresan patrones de
comportamiento en los datos





Clustering: agrupación de casos homogéneos

Modelos predictivos: estiman valores de
variables de interés (a predecir) a partir de
valores de otras variables (predictoras)


Regresión: Variable a predecir continua



Clasificación supervisada: Variable a
predecir discreta

Definiciones
Data Mining (Minería de datos)




Proceso de extraer conocimiento util y comprensible, previamente
desconocido, desde grandes cantidades de datos almacenados en
distintos formatos (Witten and Frank, 2000)

Knowledge Discovery in Databases - KDD (Descubrimiento
de Conocimiento en Bases de Datos)


Proceso no trivial de identificar patrones válidos, novedosos,
potencialmente útiles y, en últimainstancia, comprensibles, a partir de
los datos (Fayyad y col. 1996)

Estadística vs Minería de
datos
Es tadis tica

Mine ria de  dato s

Con s t r u cción  d e
m od elos

Ceñ id o a  p r em is a s  y t e or e m a s

Ma yor  lib er t a d  e n  la  con s t r u cción ,
in t er p r et a b le

Scor e

Ver os im ilit u d  d e los  d a t os  d a d o el m od elo

Má s  d ir ect o, PBC p or  eje m p loBú s q u ed a

Tes t  d e la  r a z ón  d e la  ver os im ilit u d

Met a h eu r ís ticos

Tr an s p ar en cia

Má s  co m p lica d os  d e in t er p r et a r

Má s  cla r os  y s en cillos

Valid ación

No

Sí

Selección  d e
var iab les

Filter

Wr a p p er

OLAP vs Minería de datos


OLAP (On Line Analytical Processing) o FASMI (Fast Analysis of
Shared Multidimensional Information)

OLAP

Minería d e  dato s

¿Cu ál e s  la p r op or ció n  m ed ia d e accid en t es  en t r e
fu m ad or es  y n o  fu m ad or e s ?

¿Cu ál es  la m ejo r  p r ed icció n  p ar a  a ccid en t es ?

¿Cu ál es  la fact u r a t elefó n ica m ed ia d e m is  clien t es  y
d e los  q u e  h an  d ejad o la co m p a ñ ia?

¿Dejar a X la co m p a ñ ia ? ¿Qu é fact or es  afect an  a los
ab an d on ad os ?

¿Cuán t o  es  la com p r a m ed ia d iar ia d e  t ar jet as
r ob ad as  y legít im as ?

¿Cu áles  s o n  lo s  p at r o n es  d e com p r a as ociad os  con  el
fr au d e d e t ar jet a s ?

Aplicaciones


Financieras



Comercio



Seguros



Educación



Medicina



Bioinformática



Otras áreas

Ejemplo (I)
Agente comercial: ¿Debo conceder una hipoteca a un cliente?

Datos:

Minería dedatos
Modelo generado:

If Defaulter-accounts > 0 then Returns-credit = no
If Defaulter-accounts = 0 and [(Salary > 2500) or (Credit-p > 10)] then Returns-credit = yes

Ejemplo (II)
Supermercado: ¿Cuándo los clientes compran huevos, también compran
aceite?

Datos:

Minería de datos
Modelo generado:

Eggs -> Oil: Confianza = 75%, Soporte = 37%

Ejemplo (III)
Gestión de personal de una empresa:¿Qué clases de empleados hay
contratados?

Datos:

Minería de datos
Modelo generado:
Grupo 1: Sin niños y en una casa alquilada. Bajo número de uniones. Muchos días enfermos
Grupo 2: Sin niños y con coche. Alto número de uniones. Pocos días enfermos. Más mujeres y en una casa alquilada
Grupo 3: Con niños, casados y con coche. Más hombres y normalmente propietarios de casa. Bajo número de uniones...