Flashcards
Pre-procesamiento y calidad de datos victor lince
Flashcards do conjunto (10)
- 1PRE-PROCESAMIENTO Y CALIDAD DE DATOS QUE HOY POR HOY SE GENERAN DEMASIADAS MASAS O CANTIDADES INMENSAS DE INFORMACIÓN GRACIAS A LA AYUDA Y APORTE DE LA TECNOLOGÍA Y QUE ESTO CONLLEVA A QUE MUCHOS DE ESTOS SISTEMAS SE SATUREN O NO FUNCIONEN CORRECTAMENTE.SIN DEJAR DE LADO LOS ASPECTOS IMPORTANTES COMO LO ES LA VARIEDAD DE LOS DATOS Y EL VALOR INTRÍNSECO DE LOS DATOS
- 2EL CONOCIMIENTO EXTRAÍDO DEPENDE EN GRAN PARTE DE LA CALIDAD QUE ESTOS DATOS PUEDAN OFRECER ES DECIR QUE LA INFORMACIÓN QUE NOSOTROS OBTENGAMOS SEA REAL SEA FACTIBLE YA QUE ESTA PUEDE SER INTERRUMPIDA O OPACADA POR AGENTES EXTERIORES COMO EL RUIDO Y LOS VALORES PERDIDOS.SE A DESARROLLADO Y SE ESTA IMPLEMENTANDO EL SMART DATA QUE ES EL ENCARGADO DE OCULTAR O DISMINUIR EL RUIDO Y ASEGURARSE DE QUE EL CONOCIMIENTO O LA INFORMACIÓN SE MANTENGA VALIOSA PARA ASÍ TOMAR DECISIONES INTELIGENTES.
- 3HAY TRES CARACTERÍSTICAS QUE SON ASOCIADAS A ESTE NUEVO CICLO: PROCESA-BLE,Y ÁGILlos datos deben ser
lo que se dice, es importante la calidad de
datos. - 4Debido a que normalmente el uso de datos de baja calidad implica un proceso de minería de datos con pobres resultadosLa preparación de datos puede generar un conjunto de
datos más pequeño que el original, lo cual puede
mejorar la eficiencia del proceso de Minería de datos. - 5Selección relevante de datos: eliminando registros duplicados, eliminando anomalías, … Reduccion de Datos: Selección de características, muestreo o selección de instancias, discretización.Para la mayoría de problemas actuales con
datos masivos es necesario el uso de una
solución distribuida escalable porque las
soluciones secuenciales no son capaces de
abordar tales magnitudes. - 6Los algoritmos de pre procesamiento también están afectados por el problema de la esca labilidadescabilidad
- 7La limpieza de datos es el acto de descubrimiento y corrección o eliminación de registros de datos erróneos de una tabla o base de datos., la transformación de datos se efectúa para asegurarse que estos tienen una distribución normal
- 8Imputar valores perdidos se utiliza para generar imputaciones múltiples. Los conjuntos de datos completos pueden analizarse con procedimientos que admiten conjuntos de datos de imputación múltiple.Actualmente, la aparición de nuevas tecnologías y la explosión de datos plantean un gran desafío en este aspecto, y ello se traduce en una mayor complejidad técnica a la hora de implementar un plan de integración de datos.
- 9es cualquier dato que podría identificar potencialmente a un individuo específico.Hoy en día no es posible pensar en procesamiento de grandes bases de datos sin considerar Hadoop, la referencia para el tratamiento distribuido de los datos que sirve como motor para gran parte de las aplicaciones basadas en Big Data.
- 10—