Mineria De Datos

INTRODUCCIÓN A LA
MINERÍA DE DATOS


José Hernández Orallo
Mª José Ramírez Quintana
Cèsar Ferri Ramírez


ÍNDICE DETALLADO


Índice de contenido VII
Prefacio XVII
Motivación y objetivos del libro XVII
Destinatarios XIX
Organización e itinerarios XX
Terminología XXII
Agradecimientos XXII
PARTE I: INTRODUCCIÓN
Capítulo 1 ¿Qué es la minería de datos? 3
1.1 Nuevas necesidades 31.2 El concepto de minería de datos. Ejemplos 5
1.2.1 Ejemplo 1: análisis de créditos bancarios 6
1.2.2 Ejemplo 2: análisis de la cesta de la compra 7
1.2.3 Ejemplo 3: determinar las ventas de un producto 7
1.2.4 Ejemplo 4: determinar grupos diferenciados de empleados 8
1.3 Tipos de datos 9
1.3.1 Bases de datos relacionales 9
1.3.2 Otros tipos de bases de datos11
1.3.3 La World Wide Web 11
1.4 Tipos de modelos 12
1.5 La minería de datos y el proceso de descubrimiento de conocimiento en bases de datos 13
1.6 Relación con otras disciplinas 14
1.7 Aplicaciones 16
1.8 Sistemas y herramientas de minería de datos 18
Capítulo 2 El proceso de extracción de conocimiento 19
2.1 Las fases del proceso de extracción de conocimiento 19
2.2 Fase deintegración y recopilación 21
2.3 Fase de selección, limpieza y transformación 22
2.4 Fase de minería de datos 24
2.4.1 Tareas de la minería de datos 25
2.4.2 Técnicas de minería de datos 27
2.4.3 Construcción del modelo 35
2.5 Fase de evaluación e interpretación 35
2.5.1 Técnicas de evaluación 36
2.5.2 Medidas de evaluación de modelos 37
2.5.3 Interpretación ycontextualización 38
2.6 Fase de difusión, uso y monitorización 39
PARTE II: PREPARACIÓN DE DATOS
Capítulo 3 Recopilación. Almacenes de datos 43
3.1 Introducción 44
3.2 Necesidad de los almacenes de datos 46
3.2.1 OLTP y OLAP 46
3.2.2 Almacenes de datos y bases de datos transaccionales 47
3.3 Arquitectura de los almacenes de datos 49
3.3.1 Modelo multidimensional 493.3.2 Datamarts 51
3.3.3 Explotación de un almacén de datos. Operadores 52
3.3.4 Implementación del almacén de datos. Diseño 55
3.4 Carga y mantenimiento del almacén de datos 59
3.5 Almacenes de datos y minería de datos 62
Capítulo 4 Limpieza y transformación 65
4.1 Introducción 66
4.2 Integración y limpieza de datos 67
4.2.1 Integración 68
4.2.2 Reconocimiento 694.2.3 Valores faltantes 74
4.2.4 Valores erróneos. Detección de valores anómalos 76
4.3 Transformación de atributos. Creación de características 78
4.3.1 Reducción de dimensionalidad por transformación 79
4.3.2 Aumento de la dimensionalidad por transformación o construcción 85
4.4 Discretización y numerización 89
4.4.1 Discretización 89
4.4.2 Numerización 92
4.5Normalización de rango: escalado y centrado 93
4.6 Otras transformaciones 94
Capítulo 5 Exploración y selección 97
5.1 Introducción. El contexto de la vista minable 97
5.1.1 Reconocimiento del dominio y de los usuarios 101
5.1.2 Reconocimiento y exploración de los datos 102
5.2 Exploración mediante visualización 103
5.2.1 Visualización multidimensional 104
5.3 Sumarización,descripción, generalización y pivotamiento 107
5.3.1 Sumarización 108
5.3.2 Generalización y descripción 110
5.3.3 Pivotamiento 111
5.4 Selección de datos 112
5.4.1 Técnicas de muestreo 112
5.4.2 Selección de características relevantes. Reducción de dimensionalidad 117
5.4.3 Ejemplo de selección de atributos 124
5.5 Lenguajes, primitivas e interfaces de mineríade datos 125
5.5.1 Lenguajes de consulta de minería de datos 126
5.5.2 Conjuntos de primitivas de minería de datos 130
5.5.3 Interfaces visuales de minería de datos 131
PARTE III: TÉCNICAS DE MINERÍA DE DATOS
Capítulo 6 El problema de la extracción de patrones 137
6.1 Introducción 137
6.2 Tareas y métodos 139
6.2.1 Tareas 139
6.2.2 Métodos. Correspondencia entre...