tecnicas de mineria







TECNICAS DE MINERIA DE DATOS

Es una serie de técnicas, algoritmos y métodos cuyo fin es la explotación de grandes volúmenes de datos con vistas al descubrimiento de informaciónpreviamente desconocida y que pueda servir de ayuda en el proceso de toma de decisiones, formando parte del conjunto de tecnologías de la Inteligencia de Negocio

Las técnicas de minería de datos seentrelazan con la inteligencia artificial haci como la estadística estas técnicas son algoritmos que se aplican sobre un conjunto de datos para llegar a un resultado.
Las técnicas más representativasson:
Redes neuronales: esta técnica el cual da un aprendizaje y procedimiento inspirado en la forma en que funciona el sistema nervioso de los animales. Se trata de un sistema de interconexión deneuronas en una red que contribuye para producir un estímulo de salida.
Ejemplos: el Perceptrón, el Perceptrón multicapa, los mapas Auto-organizados (también conocido como redes de Kojonen.

Árboles dedecisión: es un modelo de predicción utilizado en el ámbito de la inteligencia artificial, dada una base de datos se construyen estos diagramas de construcciones lógicas, muy similares a los sistemasde predicción basados en reglas, que sirven para representar y categorizar una serie de condiciones que suceden de forma sucesiva, para la resolución de un problema.
Ejemplos: Algoritmo ID3,Algoritmo C4.5.

Modelos estadísticos: Es una expresión simbólica en forma de igualdad o ecuación que se emplea en todos los diseños experimentales y en la regresión para indicar los diferentes factores quemodifican la variable de respuesta.
Agrupamiento o Clustering: procedimiento de agrupación de una serie de vectores según criterios habitualmente de distancia, se tratará de disponer los vectores deentrada de forma que estén más cercanos aquellos que tengan características comunes.
Ejemplos: Algoritmo K-means, Algoritmo K-medoids.

Los algoritmos se clasifican en supervisados y no...