Mineria
Páginas: 4 (928 palabras)
Publicado: 16 de marzo de 2011
APLICACIONES DE MD:
Actualmente se aplica en áreas tales como:
Aspectos climatológicos: predicción de tormentas, etc.
Medicina: encontrar la probabilidad de una respuesta satisfactoria a untratamiento 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 debolsa y banca: análisis de clientes, aprobación de prestamos, determinación de montos de crédito, etc. detección de fraudes y comportamientos 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 deprogramas televisivos. industria y manufactura: diagnóstico de fallas.
ETAPAS PRINCIPALES DEL PROCESO DE MD
1. Determinación de los objetivos: delimitar los objetivos que el cliente desea bajo laorientación del especialista en Data Mining.
2. Preprocesamiento 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.
TIPOS DE CONOCIMIENTO:
* conocimiento evidente:extracción por consultas
* conocimiento multidimensional: relación entre diferentes datos
* oculto: es desconocido, se recupera mediante técnicas de minería de datos.
Modelo kimball
IntroducciónAutor ampliamente reconocido en materia de Data Warehouse y Bussines Intelligence. Es considerado como "Gurú del Data Warehouse" y reconocido por su plena convicción en que un Data Warehouse debe...
Actualmente se aplica en áreas tales como:
Aspectos climatológicos: predicción de tormentas, etc.
Medicina: encontrar la probabilidad de una respuesta satisfactoria a untratamiento 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 debolsa y banca: análisis de clientes, aprobación de prestamos, determinación de montos de crédito, etc. detección de fraudes y comportamientos 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 deprogramas televisivos. industria y manufactura: diagnóstico de fallas.
ETAPAS PRINCIPALES DEL PROCESO DE MD
1. Determinación de los objetivos: delimitar los objetivos que el cliente desea bajo laorientación del especialista en Data Mining.
2. Preprocesamiento 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.
TIPOS DE CONOCIMIENTO:
* conocimiento evidente:extracción por consultas
* conocimiento multidimensional: relación entre diferentes datos
* oculto: es desconocido, se recupera mediante técnicas de minería de datos.
Modelo kimball
IntroducciónAutor ampliamente reconocido en materia de Data Warehouse y Bussines Intelligence. Es considerado como "Gurú del Data Warehouse" y reconocido por su plena convicción en que un Data Warehouse debe...
Leer documento completo
Regístrate para leer el documento completo.