Algoritmos de Minería de Datos

Algoritmos de Minería de Datos

1. ¿Qué es?

   • Un algoritmo de minería de datos es un conjunto de cálculos y reglas heurísticas que permite crear un modelo de minería de datos a partir de los datos.
     • ¿Cómo se hace?
       • Primero, el algoritmo analiza primero los datos proporcionados, en busca de tipos específicos de patrones o tendencias, para así realizar un modelo. Posteriormente, el algoritmo usa los resultados de este análisis para definir los parámetros óptimos para la creación del modelo de minería de datos. Después, estos parámetros se aplican en todo el conjunto de datos para extraer patrones procesables y estadísticas detalladas.

2. Formas

   • 1. Conjunto de clústeres que describe cómo se relacionan los casos de un conjunto de datos. 2. Árbol de decisión que predice un resultado y que describe cómo afectan a este los distintos criterios. 3. Modelo matemático que predice las ventas. 4. Un conjunto de reglas que describen cómo se agrupan los productos en una transacción, y las probabilidades de que dichos productos se adquieran juntos.

3. Elegir el Algoritmo Correcto

   • Se pueden elegir distintos tipos de Algoritmos para realizar una misma tarea, sin embargo, cada uno de ellos genera un resultado diferente, y algunos pueden generar más de un tipo de resultado.
     • Microsoft SQL Server Analysis Services proporciona varios algoritmos que puede usar en las soluciones de minería de datos.Estos algoritmos son implementaciones de algunas de las metodologías más conocidas usadas en la minería de datos.

4. Elegir el Algoritmo por Tipo

   • A) Algoritmos de clasificación, que predicen una o más variables discretas, basándose en otros atributos del conjunto de datos. B) Algoritmos de regresión, que predicen una o más variables continuas, como las pérdidas o los beneficios, basándose en otros atributos del conjunto de datos. C) Algoritmos de segmentación, que dividen los datos en grupos, o clústeres, de elementos que tienen propiedades similares. D) Algoritmos de asociación, que buscan correlaciones entre diferentes atributos de un conjunto de datos.La aplicación más común de esta clase de algoritmo es la creación de reglas de asociación, que pueden usarse en un análisis de la cesta de compra. E) Algoritmos de análisis de secuencias, que resumen secuencias o episodios frecuentes en los datos, como un flujo de rutas web.
     • No hay ninguna razón para limitarse a usar un solo algoritmo en las soluciones. Los analistas experimentados, en ocasiones, usan un algoritmo para determinar las entradas más eficaces y luego aplican un algoritmo diferente para predecir un resultado concreto basado en esos datos.

5. Elegir Algoritmo por Tarea

   • Para predecir un atributo discreto
     • Marcar los clientes de una lista de posibles compradores como clientes con buenas o malas perspectivas. Calcular la probabilidad de que un servidor genere un error en los próximos 6 meses. Clasificar la evolución de los pacientes y explorar los factores relacionados.
       • Algoritmo de árboles de decisión de Microsoft. Algoritmo Bayes naive de Microsoft. Algoritmo de clústeres de Microsoft. Algoritmo de red neuronal de Microsoft.
   • Predecir un atributo continuo
     • Pronosticar las ventas del año próximo. Predecir los visitantes del sitio a partir de tendencias históricas y estacionales proporcionadas. Generar una puntuación de riesgo a partir de datos demográficos
       • Algoritmo de árboles de decisión de Microsoft. Algoritmo de serie temporal de Microsoft. Algoritmo de regresión lineal de Microsoft.
   • Predecir una secuencia
     • Realizar un análisis clickstream del sitio web de una empresa. Analizar los factores que dan como resultado errores en el servidor. Capturar y analizar secuencias de actividades durante las visitas de pacientes externos, para formular las prácticas recomendadas en las actividades comunes.
       • Algoritmo de clústeres de secuencia de Microsoft
   • Buscar grupos de elementos comunes en las transacciones
     • Usar el análisis de la cesta de la compra para determinar la posición del producto. Sugerir a un cliente la compra de productos adicionales. Analizar los datos de una encuesta a los visitantes a un evento, para descubrir qué actividades o stands estaban correlacionados, con el fin de programar actividades futuras.
       • Algoritmo de asociación de Microsoft. Algoritmo de árboles de decisión de Microsoft
   • Buscar grupos de elementos similares
     • Crear grupos de pacientes con perfiles de riesgo en función de atributos como datos demográficos y comportamientos. Analizar usuarios mediante patrones de búsqueda y compra de productos. Identificar servidores con características de uso similares.
       • Algoritmo de clústeres de Microsoft. Algoritmo de clústeres de secuencia de Microsoft

6. Gorian Arteaga Kevin Ely

7. Bibliografía: Biblioteca Microsoft (2012). Algoritmos de minería de datos (Analysis Services: Minería de datos). Recuperado de la siguiente liga: https://msdn.microsoft.com/es-es/library/ms175595.aspx. Montes, Manuel (s.f.). "Minería de un texto: Un nuevo reto computacional". Recuperado de la siguiente liga: http://ccc.inaoep.mx/~mmontesg/publicaciones/2001/MineriaTexto-md01.pdf . Rodríguez Sabiote (2005). "Teoría y práctica de análisis de datos cualitativos. Proceso general y criterios de calidad". Revista internacional de Ciencias Sociales y Humanidades, SOCIOTAM. Mayo-Junio. México. Universidad Autónoma de Tamaulipas.