Herramientas Mineria De Datos
Páginas: 6 (1464 palabras)
Publicado: 24 de mayo de 2012
SISTEMAS Y HERRAMIENTAS DE MINERÍA DE DATOS. EJEMPLOS:
Lo que se pretende conseguir es proporcionar información detallada sobre algunos ejemplos de software diseñados para implementar la Minería de Datos.
Librerías: las librerías de Minería de datos son un conjunto de métodos que implementan funcionalidades y utilidades básicas como el acceso a datos, modelos de redes neuronales, métodosbayesianos, exportación de resultados… Las librerías se encargan principalmente de facilitar el desarrollo de las tareas de Minería de Datos que son más complejas, como el diseño de experimentos. El problema de las librerías, es que es precisa la comprensión de conocimientos de programación. Algunas de las Librerías más importantes son: o XELOPES (extended library for prudys embedded solution): esuna librería con licencia pública GNU para el desarrollo de aplicaciones de Minería de Datos. Esta librería está implementada para que sea eficiente para la mayoría de los algoritmos de aprendizaje, por eso, es importante destacar que el usuario puede desarrollar aplicaciones particulares de Minería de Datos. Sus principales características son: Acceso a datos Modelos de redes neuronales Métodos deagrupamiento Métodos de reglas de asociación Árboles lineales Árboles no lineales Exportación de datos Para más información sobre XELOPES: http://www.prudsys.com/Produkte/Algorihmen/Xelopes
o
MLC++(Machine learning library in C++): Es un conjunto de librerías MLC++ que fueron desarrolladas por la Universidad de Standford. La mayoría de las versiones son bajo dominio de investigación, aexcepción de la versión 1.3.x, que se distribuye bajo licencia de dominio público. Las principales características son: Acceso a datos (archivos con formato plano) Transformaciones de datos
Métodos de aprendizaje mediante objetos Para más información sobre MLC++: http://www.sgi.com/tech/mic o http://www.purpleingigt.com
o
SUITES: SUITES posee las mismas capacidades que el procesamiento dedatos, los modelos de análisis, el diseño de experimentos o el soporte gráfico para la visualización de resultados. En este caso, Suites destaca porque existe una interfaz que facilita la interacción entre el usuario y la herramienta
o
CLEMENTINE: SPSS CLEMENTINE es uno de los sistemas de Minería de Datos más conocidos. Posee una herramienta visual desarrollada por ISL que tiene unaarquitectura cliente / servidor. Este sistema se caracteriza por: Acceso a datos (fuentes de datos, archivos ASCII…) Procesamiento de Datos Técnicas de Aprendizaje (redes neuronales, reglas de asociación) Técnicas de evaluación de modelos Visualización de resultados (histogramas, diagramas de dispersión, gráficos en 3-D…) Exportación (informes en HTML o texto) Para más información sobre SPSS CLEMENTINE:http://www.spss.com/spssbi/clementine
o
WEKA (Waikato environment for knowledge analysis): es una herramienta visual de libre distribución desarrollada por los investigadores de la Universidad de Waikato en Nueva Zelanda. Sus principales características son: Acceso a los datos desde un archivo en formato ARFF (es un archivo de texto plano organizado en filas y columnas) Preprocesado de datos(selección, transformación de atributos…) Modelos de Aprendizaje (reglas de asociación, modelos de agrupamiento, modelos combinados…) Visualización del entorno Para más información sobre WEKA: http://www.cs.waikato.ac.nz/~ml/WEKA
o
KEPLER: KEPLER Sistema desarrollador y transformado en una herramienta comercial distribuida por Dialogis. Posee múltiples modelos de análisis. Sus principalesherramientas de aprendizaje son: Árboles de decisión Redes neuronales Regresión no lineal Aplicaciones estadísticas Así mismo permite el preprocesado de datos, la elección de un modelo o la manipulación de la representación grafica de los modelos obtenidos. Para más información sobre KEPLER: http://www.dialogis.de
o
ODMS (oracle data mining suite): Está diseñado sobre una arquitectura cliente...
Lo que se pretende conseguir es proporcionar información detallada sobre algunos ejemplos de software diseñados para implementar la Minería de Datos.
Librerías: las librerías de Minería de datos son un conjunto de métodos que implementan funcionalidades y utilidades básicas como el acceso a datos, modelos de redes neuronales, métodosbayesianos, exportación de resultados… Las librerías se encargan principalmente de facilitar el desarrollo de las tareas de Minería de Datos que son más complejas, como el diseño de experimentos. El problema de las librerías, es que es precisa la comprensión de conocimientos de programación. Algunas de las Librerías más importantes son: o XELOPES (extended library for prudys embedded solution): esuna librería con licencia pública GNU para el desarrollo de aplicaciones de Minería de Datos. Esta librería está implementada para que sea eficiente para la mayoría de los algoritmos de aprendizaje, por eso, es importante destacar que el usuario puede desarrollar aplicaciones particulares de Minería de Datos. Sus principales características son: Acceso a datos Modelos de redes neuronales Métodos deagrupamiento Métodos de reglas de asociación Árboles lineales Árboles no lineales Exportación de datos Para más información sobre XELOPES: http://www.prudsys.com/Produkte/Algorihmen/Xelopes
o
MLC++(Machine learning library in C++): Es un conjunto de librerías MLC++ que fueron desarrolladas por la Universidad de Standford. La mayoría de las versiones son bajo dominio de investigación, aexcepción de la versión 1.3.x, que se distribuye bajo licencia de dominio público. Las principales características son: Acceso a datos (archivos con formato plano) Transformaciones de datos
Métodos de aprendizaje mediante objetos Para más información sobre MLC++: http://www.sgi.com/tech/mic o http://www.purpleingigt.com
o
SUITES: SUITES posee las mismas capacidades que el procesamiento dedatos, los modelos de análisis, el diseño de experimentos o el soporte gráfico para la visualización de resultados. En este caso, Suites destaca porque existe una interfaz que facilita la interacción entre el usuario y la herramienta
o
CLEMENTINE: SPSS CLEMENTINE es uno de los sistemas de Minería de Datos más conocidos. Posee una herramienta visual desarrollada por ISL que tiene unaarquitectura cliente / servidor. Este sistema se caracteriza por: Acceso a datos (fuentes de datos, archivos ASCII…) Procesamiento de Datos Técnicas de Aprendizaje (redes neuronales, reglas de asociación) Técnicas de evaluación de modelos Visualización de resultados (histogramas, diagramas de dispersión, gráficos en 3-D…) Exportación (informes en HTML o texto) Para más información sobre SPSS CLEMENTINE:http://www.spss.com/spssbi/clementine
o
WEKA (Waikato environment for knowledge analysis): es una herramienta visual de libre distribución desarrollada por los investigadores de la Universidad de Waikato en Nueva Zelanda. Sus principales características son: Acceso a los datos desde un archivo en formato ARFF (es un archivo de texto plano organizado en filas y columnas) Preprocesado de datos(selección, transformación de atributos…) Modelos de Aprendizaje (reglas de asociación, modelos de agrupamiento, modelos combinados…) Visualización del entorno Para más información sobre WEKA: http://www.cs.waikato.ac.nz/~ml/WEKA
o
KEPLER: KEPLER Sistema desarrollador y transformado en una herramienta comercial distribuida por Dialogis. Posee múltiples modelos de análisis. Sus principalesherramientas de aprendizaje son: Árboles de decisión Redes neuronales Regresión no lineal Aplicaciones estadísticas Así mismo permite el preprocesado de datos, la elección de un modelo o la manipulación de la representación grafica de los modelos obtenidos. Para más información sobre KEPLER: http://www.dialogis.de
o
ODMS (oracle data mining suite): Está diseñado sobre una arquitectura cliente...
Leer documento completo
Regístrate para leer el documento completo.