MINERÍA DE DATOS

MINERÍA DE DATOS

1. KDD

   • proceso de búsqueda de conocimiento en bases de datos, y para enfatizar la aplicación a "alto nivel" de métodos específicos de minería de datos.
     • Fases del KDD
       • proceso completo de extracción de conocimiento a partir de los datos
         • 1 Recolección de Datos
         • 2 Selección, Limpieza y Transformación de Datos
         • 3 Minería de Datos
         • 4 Evaluación y Validación.
         • 5 Interpretación y Difusión.
         • 6 Actualización y Monitorización
     • Proceso KDD
       • 1. Desarrollo y entendimiento del dominio de la aplicación, el conocimiento relevante y los objetivos del usuario final. 2. Creación del conjunto de datos objetivo, seleccionando el subconjunto de variables o ejemplos sobre los que se realizará el descubrimiento.3. Preprocesado de los datos: eliminación de ruido, estrategias para manejar valores ausentes, normalización de los datos, etc. 4. Transformación y reducción de los datos. 5. Elección del tipo de sistema para minería de datos. 6. Elección del algoritmo de minería de datos.
         • 7. Minería de datos. En este paso se realiza la búsqueda de conocimiento con una determinada representación del mismo. El éxito de la minería de datos depende en gran parte de la correcta realización de los pasos previos: por parte del usuario. 8. Interpretación del conocimiento extraído, con posibilidad de iterar de nuevo desde el primer paso. La obtención de resultados aceptables dependerá de factores como: definición de medidas del interés del conocimiento (de tipo estadístico, en función de su sencillez, etc.) que permitan filtrarlo de forma automática, existencia de técnicas de visualización para facilitar la valoración de los resultados o búsqueda manual de conocimiento útil entre los resultados obtenidos.
           • 9. Consolidación del conocimiento descubierto, incorporándolo al sistema, o simplemente documentándolo y enviándolo a la parte interesada. Este paso incluye la revisión y resolución de posibles inconsistencias con otro conocimiento extraído previamente.

2. La Minería de Datos descubre relaciones, tendencias, desviaciones, comportamientos atípicos, patrones y trayectorias ocultas, con el propósito de soportar los procesos de toma de decisiones con mayor conocimiento. La Minería de Datos se puede ubicar en el nivel más alto de la evolución de los procesos tecnológicos de análisis de datos.

   • Se ha llamado minería de datos, al análisis de archivo y bitácoras de transacciones con el fin de descubrir patrones, relaciones, reglas, asociaciones o incluso excepciones que sean útiles para la toma de decisiones
     • Tareas de la Minería de Datos
       • Agrupamiento o Identificación de Clases
       • Clasificación: Es la habilidad para adquirir una función que mapee (clasifica) un elemento de dato a una de varias clases predefinidas.
       • Condensación o Descripción de Conceptos
       • Detección de Desviaciones, Casos Extremos o Anomalías
       • Modelado de Dependencias
       • Regresión:
     • Proceso de Minería de Datos
       •  Procesado de los datos.  Selección de características.  Uso de un algoritmo de extracción de conocimiento  Interpretación y evaluación.
     • Métodos de Minería de Datos
       • 1 Agrupamiento ("Clustering")
       • 2 Asociación (" Association Pattern Discovery")
       • 3 Secuenciamiento (“Sequential Pattern Discovery")
       • 4 Reconocimiento de Patrones ("Pattern Matching")
       • 5 Previsión ("Forecasting")
       • 6 Simulación
       • 7 Optimización
       • 8 Clasificación (“Clasification”, “Prediction” o “Scoring”)

Imágenes y archivos del mapa