FUNCIONALIDADES

FUNCIONALIDADES

1. DE LA

   • MINERIA DE DATOS
     • Es el proceso de extracción de información dentro de grandes volúmenes de datos (Big Data), en la cual se aplica una serie de métodos inteligentes para descubrir patrones de los daos mediante usos de algoritmos, con los que obtenemos resultados lógicos para la adquisición de conocimiento
     • ¿QUÉ HACE LA MINERÍA DE DATOS?
       • La minería de datos emerge áreas de Base de Datos como la estadística, el aprendizaje automático, la visualización de datos, búsqueda y recuperación de información y computación de alta ejecución

2. ETAPAS DE LA MINERIA DE DATOS

   • En la minería de datos en el proceso de abordar un problema, se tiene en cuenta las siguientes etapas
     • 1. selección del modelo
       • Es donde miramos el tipo de datos que vamos a extraer y el objetivo que se quiere obtener
     • 2.clasificación de los datos
       • Agrupa las reglas de asociación, decisión, métodos, funciones, núcleos, vectores para descubrir las relaciones entre los atributos de un conjunto de datos de acuerdo a un porcentaje de error permitido
     • 3.Predicción de valores en función de los datos
       • Basado en funciones matemáticas o estadísticas
         • INTERPOLACIÓN
           • estima un valor dado por dentro de los límites de una función
         • EXTRAPOLACIÓN
           • estima un valor dado por fuera de los límites de una función
         • REGRESIÓN
           • crea relación de variable, ya sea dependiente ó independiente
     • .4. Modelamiento de las dependencias para resolver el problema
       • predicen las dependencias descono cidas, con que se crea el modelo para el entrenamiento de los datos que satisfaga el porcentaje de error
     • .5. Descubrimiento de nuevas reglas
       • varia las entradas o se descubre nuevas dependencias o asociaciones entre los datos de la muestra.
     • .6. Visualización de los resultados
       • La información obtenida de la minería de datos se muestra para permitir su análisis e interpretación, medir el alcance del objetivo

3. ALGORITMOS

   • exploración
     • La exploración sólo funciona como un primer paso para la predicción de un modelo.
   • DE ASOCIACIÓN
     • estas reglas usadas para predecir la presencia de un elemento en la base de datos, basán dose en la manifestación de un elemento específico identificado como importante
   • Clustering
     • representan las agrupaciones para crear el clúster que mejor representa los datos, se realiza mediante el uso de iteraciones, hasta cuando ya no sea posible mejorar los resultados de la redefinición de los clústeres
   • Estadísticos
     • atrevés de procesos matematicoso estadisticos corrige los datos faltantes en una muestra, clasificarla o realizar procesos de predicción.
   • Regresión Logística
     • Es la probabilidad de que algunos eventos ocurran como una función lineal de un conjunto de variables predictoras
   • Redes Bayesianas
     • proporciona la forma de incorporar información externa al proceso de análisis de los datos, dando una distribución posterior, la cual vuelve hacer actualizada con la distribución previa
   • BayesNaive
     • es un clasificador para descartar redundante e irrelevante predictores
   • Clasificación de Datos
     • Cada clasificación está basada sobre el algoritmo de aprendizaje inductivo, el cual da como entrada un conjunto de muestras, que consiste en un vector de valores de atributos o vectores de características, y su clase correspondiente
   • Árboles de Decisión
     • Un árbol de decisión puede ser empleado en un modelo jerárquico de aprendizaje supervisado donde la región local es identificada en una secuencia de divisiones recursivas a través de nodos de decisión con función de prueba.
   • Reglas de Decisión
     • Una técnica es utilizar una regla para cada clase. Cada regla es un conjunto de pruebas, una para cada atributo
   • Aprendizaje Automático
     • El aprendizaje automático, es una combinación de inteligencia artificial y estadística, siendo un área muy útil en la investigación, provee un número de diferentes problemas y algoritmos para su solución.
   • Lógica e Inferencia Difusa
     • Trabaja con variables lingüís ticas o con datos imprecisos, con reglas de tipo IF-THEN, definidas a partir de la opinión de expertos o de un sistema de aprendizaje (red neuronal)
   • Redes Neuronales
     • Se utiliza en la clasificación y reconocimiento de patrones de voz, imágenes, fraudes económicos, en la predicción del tiempo atmosférico y del mercado financiero
   • Serie Temporal
     • Utilizado para predecir tendencias basadas única mente en el conjunto de datos original empleado para crear el modelo, en predicción cruzada para crear un modelo general que se pueda aplicar a múltiples series, en la previsión del tiempo de valores continuos.

4. APLICACIONES DE LA MINERÍA DE DATOS

   • EN LA EDUCACIÓN
     • aplicando algoritmos de clustering, reglas de asociación y análisis de secuencia para tener un control sobre el estudiantado encontrando patrones de navegación y de comportamiento
   • MULTIMEDIA
     • la recuperación de la información se hace por contenidos, a través de la similitud de objetos
   • comercio y sector financiero,
     • Se aplica algoritmos de método de análisis discriminante linealanálisis de varianza, Con lo anterior se evalúa el comportamiento de los clientes en una empresa o sector financiero
   • ciencias sociales y gestión gubernamental
     • Utilizando el algoritmo de la regresión logística a cada nodo se le da la clase del nodo vecino con lo que se logra caracterizar al nodo, empleando etiquetas independientes y depen dientes para determinar la probabilidad de cada clase
   • la tecnología,
     • con el uso de algoritmos de la técnica del clasificador integrado, partiendo del concepto de la clasificación Bayesiana logra al mismo tiempo clasificar los datos y entrenarlos.
   • La minera de datos ha sido aplicada en una variedad de ciencias, disciplinas y saberes como la educación, la multimedia, el comercio y sector financiero, en la medicina, en las actividades agropecuarias, agroforestales, en la ciencia social, en la tecnología y en la gestión gubernamental