Mineria de datos

Contenido





MINERÍA DE DATOS
Es un mecanismo de explotación, consistente en la búsqueda de información valiosa en grandes volúmenes de datos. Otra definición: es el análisis de archivos y bitácoras de transacciones, trabaja a nivel del conocimiento con el fin de descubrir patrones, relaciones, reglas, asociaciones o incluso excepciones útiles para la toma de decisiones. La MD estámuy ligada a los Data almacenados
La MD puede ser dividida en: minería de datos predictiva (MDP): usa primordialmente técnicas estadísticas. Minería de datos para el descubrimiento de conocimiento (MDDC): usa principalmente técnicas de inteligencia artificial.
APLICACIONES DE MD
Actualmente se aplica en áreas tales como: aspectos climatológicos: predicción de tormentas, etc.
Medicina: encontrarla probabilidad de una respuesta satisfactoria a un tratamiento médico.
Mercadotecnia: identificar clientes susceptibles de responder a ofertas de productos y servicios por correo, fidelidad de clientes, afinidad de productos, etc.
Inversión en casas de bolsa y banca: análisis de clientes, aprobación de préstamos, determinación de montos de crédito, etc.
Detección de fraudes ycomportamientos inusuales: telefónicos, seguros, en tarjetas de crédito, de evasión fiscal, electricidad, etc.
Análisis de canastas de mercado: para mejorar la organización de tiendas, segmentación de mercado (clustering).
Determinación de niveles de audiencia: de programas televisivos.
Industria y manufactura: diagnóstico de fallas.
TÉCNICAS DE MD
Análisis Preliminar de datos usando las herramientasde consulta: es el 1º paso de un proyecto de MD, se aplica una consulta SQL al conjunto de datos, para rescatar algunos aspectos visibles antes de aplicar las técnicas.
Técnicas de Visualización: son aptas para ubicar patrones en un conjunto de datos, puede usarse al comienzo de un proceso de MD para determinar la calidad de los datos.
Redes neuronales artificiales: son modelospredecibles, no lineales que aprenden a través del entrenamiento.
Reglas de Asociación: establecen asociaciones en base a los perfiles de los clientes sobre los cuales se realiza la MD.
Algoritmos Genéticos: son técnicas de optimización que usan procesos tales como combinaciones genéticas y mutaciones, etc.
Redes Bayesianas: buscan determinar relaciones causales que expliquen unfenómeno según los datos contenidos en una base de datos. Se han usado principalmente para realizar predicciones.
Árbol de Decisión: son estructuras que representan conjuntos de decisiones, y estas decisiones generan reglas para la clasificación de un conjunto de datos.
ALGORITMOS DE MINERÍA DE DATOS
Supervisados o Predictivos: predicen el valor de un atributo de un conjunto de datos, conocidosotros atributos. A partir de datos cuya etiqueta se conoce se induce una relación entre dicha etiqueta y otra serie de atributos. Esas relaciones sirven para realizar la predicción de datos cuya etiqueta es desconocida.
No supervisados o del descubrimiento del conocimiento: con estos algoritmos se descubren patrones y tendencias en los datos actuales. El descubrimiento de esa información sirvepara llevar a cabo acciones y obtener un beneficio de ellas.
ETAPAS PRINCIPALES DEL PROCESO DE MD
1. Determinación de los objetivos: delimitar los objetivos que el cliente desea bajo la orientación del especialista en minería de datos.
2. Pre procesamiento de los datos: se refiere a la selección, limpieza, enriquecimiento, reducción y la transformación de las bases de datos.
3. Determinacióndel modelo: se comienza con un análisis estadístico de los datos, y luego se lleva a cabo una visualización gráfica de los mismos para tener una primera aproximación.
4. Análisis de los resultados: verifica si los resultados obtenidos son coherentes y los compara con los obtenidos por el análisis estadístico y de visualización gráfica.

FASES DEL PROCESO










EXTENSIONES DE...