Data Mining

Mineração de dados

Knowledge Discovery in Database - KDD

Seleção

• - Primeira etapa do processo;
• - Escolha do conjunto de dados que será analisado;
• - A critério do especialista;
• - Dados podem vir de uma série de fontes diferentes.

Pré-Processamento e Limpeza

• - Segunda etapa do processo;
• - Qualidade dos dados determina eficiência dos algoritmos de mineração;
• - Eliminação de redundância e inconsistência nos dados;
• - Recuperação de dados incompletos;
• - Avaliação de possíveis discrepâncias.

Dados ausentes

• - Registros com dados incompletos;
• - Tratamento necessário para tornar os dados de mineração confiáveis;
• - Completar os dados utilizando técnicas de previsão;
• - Substituir o valor faltante pela média aritmética da variável;
• - Excluir o registro inteiro.

Dados discrepantes

• - Dados que possuem valores atípicos comparados aos outros registros;
• - Descartado quando representa algum erro;
• - Deve ser cuidadosamente analisado.

Transformação

• - Terceira etapa do processo;
• - Dados devem ser armazenados e formatados corretamente;
• - Devem ser agrupados em um único repositório.

Mineração

• - Quarta e mais importante etapa do processo;
• - Associação;
• - Classificação;
• - Predição;
• - Segmentação;
• -Sumarização;

Aplicações

• - Marketing;
• - Detecção de fraude;
• - Investimento;
• - Produção.

Árvores de Decisão

Regras de Indução

• -

Redes Neurais Artificiais

Análise de Regressão

Análise de Agrupamentos

Interpretação e Avaliação

• - Última etapa do processo;
• - Interpretar o conhecimento obtido com a mineração dos dados;
• - Pode-se voltar a qualquer uma das etapas anteriores;