Proceso kdd

Proceso KDD

Knowledge Discovery from Databases, en español, descubrimiento de conocimiento en bases de datos.

Proceso iterativo e interactivo de descubrir patrones en datos, con el objetivo de llegar al conocimiento

Fases

Integración y recopilación

Selección, limpieza y transformación

Minería de datos

Evaluación e interpretación

Difusión y uso

Frecuentemente se agrega una fase de análisis al inicio del proceso para analizar las necesidades de la organización y definir el problema.

Determinación de las fuentes de información, para posteriormente transformar los datos a un formato común (almacén de datos) para unificar toda la información.

Corregir/eliminar datos incorrectos, determinación de estrategia para datos incompletos, proyección para solo considerar los atributos relevantes.

Las dos primeras fases se pueden unir en una sola fase llamada “preparación de datos”

Elección de tarea a realizar y el método a utilizar.

Evaluación y análisis de los patrones identificados por expertos. En esta fase se puede considerar una nueva iteración, regresando a fases anteriores.

Uso del nuevo conocimiento.

data warehousing: repositorio de información coleccionada desde varias fuentes, con un esquema unificado

Es importante que después de la recopilación, estos datos se seleccionen y preparen, es decir crear la vista minable

Producir nuevo conocimiento para el usuario. Esto se logra construyendo un modelo basado en los datos recopilados.

Objetivo

Describe los patrones y relaciones entre los datos que se pueden utilizar para hacer predicciones, entender de mejor manera los datos o explicar situaciones pasadas.

Modelo

Cualidades de patrones de calidad

1. Ser precisos

2. Ser comprensibles

3. Ser interesantes

Dependiendo de la aplicación puede que un criterio sea más importante que otros.

Finalidades del conocimiento

Para que un analista recomiende acciones basándose en un modelo y en sus resultados

Para aplicar el modelo a diferentes conjuntos de datos

El modelo se puede incorporar a otras aplicaciones

También es importante realizar mediciones de la evolución del modelo. Aunque este funcione bien se deben comprobar sus prestaciones, ya que los patrones pueden cambiar.

Cuenta con cinco