Minería de Datos<br />Para el común de los mortales<br />Antonio soto<br />Director General<br />@antoniosql<br />
Agenda<br />Introducción a Minería de Datos<br />Problemas de Negocio<br />Tareas de Minería de Datos<br />Ciclo de un Pro...
Introducción a Minería de Datos<br />¿Qué es la Minería de Datos?<br />Problemas de Negocio<br />Tareas de Minería de Dato...
¿Qué es la Minería de Datos?<br />«La minería de datos (DM, Data Mining) consiste en la extracción no trivial de informaci...
¿Qué es la Minería de Datos? (II)<br />Deducir conocimiento examinando los datos y realizando predicciones<br />«examinar ...
Problemas de Negocio<br />Generación de Recomendaciones<br />¿Qué productos o servicios deberíamos de ofrecer a nuestros c...
Tareas de Minería de Datos (I)<br />Clasificación<br />Se asigna una categoría a cada caso. Cada caso tiene un conjunto de...
Tareas de Minería de Datos (II)<br />Previsión<br />La entrada es un conjunto de valores a lo largo del tiempo de los que ...
Ciclo de un Proyecto de Minería (I)<br />Formulación del Problema de Negocio<br />Recolección de Datos<br />Limpieza y Tra...
Ciclo de un Proyecto de Minería (II)<br />Evaluación del Modelo<br />Evaluar la fiabilidad del modelo dentro de nuestro ne...
Clasificación de Algoritmos<br />
Clasificación de Algoritmos<br />Tipos de Algoritmos<br />Algoritmos de SQL Server Data Mining<br />Clasificación de Algor...
Tipos de Algoritmos<br />De Forecasting. <br />Dada una tendencia ¿Cuál es la previsión?<br />Supervisados. <br />Conocemo...
Algoritmos (I)<br />Decision Trees<br />El más popular<br />Utilizado para clasificación<br />Clustering<br />Encuentra ag...
Algoritmos (II)<br />Naïve Bayes<br />Clasificación en escenarios similares a Decision Trees<br />Linear Regression<br />E...
Algoritmos (III)<br />Association Rules<br />Análisis de Cesta de la compra<br />Time Series<br />Algoritmo de previsión u...
Clasificación de Algoritmos<br />
Minería de Datos en Office<br />
Minería de Datos en Office<br />Tareas de Preparación de Datos<br />TableAnalysis Tools<br />Data Modeling Tools<br />Viso...
Tareas de Preparación de Datos<br />Explorar Datos<br />Información estadística básica<br />Limpieza de datos<br />Outlier...
Preparando los datos<br />
TableAnalysis Tools (I)<br />
TableAnalysis Tools(II) <br />
Data Modeling Tools<br />
Data Modeling Tools <br />
Visores de Modelo<br />Cluster Diagram<br />Cluster Profiles<br />OtrosVisores<br /><ul><li> Decision tree
Neural   network
 Association rules
 Time series</li></ul>Cluster Characteristics<br />Cluster Discrimination<br />
Próxima SlideShare
Cargando en…5
×

Minería de datos

8.789 visualizaciones

Publicado el

Publicado en: Tecnología
0 comentarios
4 recomendaciones
Estadísticas
Notas
  • Sé el primero en comentar

Sin descargas
Visualizaciones
Visualizaciones totales
8.789
En SlideShare
0
De insertados
0
Número de insertados
8
Acciones
Compartido
0
Descargas
504
Comentarios
0
Recomendaciones
4
Insertados 0
No insertados

No hay notas en la diapositiva.
  • http://es.wikipedia.org/wiki/Miner%C3%ADa_de_datosLet’s start with some basic definitions. First of all, what the term “Data Mining” means? A well-formed definition was posted by Michael J. A. Berry &amp; Gordon S. Linoff: “Data mining is the process of exploration and analysis, by automatic or semiautomatic means, of large quantities of data in order to discover patterns and rules”. Another definition comes from Raplh Kimball: “Data mining is a collection of powerful analysis techniques for making sense out of very large datasets”. Of course we have a definition by another guru, Bill Inmon: “Data Mining / Data Exploration is the usage of historical data to discover and exploit important business relationships”.
  • So we can say, we are deducing some hidden knowledge by examining, or training the data. Our unit of examination is called “case”, which can be interpreted as one appearance of an entity, or a row in a table. The knowledge is patterns and rules. In the process we are using attributes of a case, in the data mining terminology called “variables”. Additional goal of DM is to perform predictions based on found patterns.For better understanding we can compare Data Mining to OLAP. While OLAP is a model-driven analysis, where we build the model in advance (what if it is irrelevant?), the Data Mining is a data-driven analysis, where we search from the model in our data.
  • Para cada uno de los problemas anteriores, podemos aplicar varias tareas. En algunos casos una respuesta será obvia con la aplicación de una única tarea. En otros casos será necesario explorar y combinar múltiples tareas para llegar a una solución.
  • Minería de datos

    1. 1. Minería de Datos<br />Para el común de los mortales<br />Antonio soto<br />Director General<br />@antoniosql<br />
    2. 2. Agenda<br />Introducción a Minería de Datos<br />Problemas de Negocio<br />Tareas de Minería de Datos<br />Ciclo de un Proyecto de Minería de Datos<br />Clasificación de Algoritmos de SQL Server Data Mining<br />Minería de Datos aplicada utilizando Office<br />
    3. 3. Introducción a Minería de Datos<br />¿Qué es la Minería de Datos?<br />Problemas de Negocio<br />Tareas de Minería de Datos<br />Ciclo de un Proyecto de Minería de Datos<br />
    4. 4. ¿Qué es la Minería de Datos?<br />«La minería de datos (DM, Data Mining) consiste en la extracción no trivial de información que reside de manera implícita en los datos. Dicha información era previamente desconocida y podrá resultar útil para algún proceso. En otras palabras, la minería de datos prepara, sondea y explora los datos para sacar la información oculta en ellos»<br />Fuente: Wikipedia<br />
    5. 5. ¿Qué es la Minería de Datos? (II)<br />Deducir conocimiento examinando los datos y realizando predicciones<br />«examinar datos» examinar ejemplos de hechos conocidos sobre «casos» utilizando sus atributos – «variables»<br />«conocimiento»: Patrones, Clusters, Reglas, Árboles de Decisión, Redes Neuronales, Reglas de Asociación,….<br />OLAP: Análisis orientado al modelo<br />DM: Análisis orientado al dato<br />Nombres alternativos: Análisis Predictivo<br />
    6. 6. Problemas de Negocio<br />Generación de Recomendaciones<br />¿Qué productos o servicios deberíamos de ofrecer a nuestros clientes?<br />Detección de anomalías<br />Detección de fraude<br />Análisis de Rotación<br />¿Qué clientes son más proclives de irse a la competencia?<br />Gestión de Riesgos<br />¿Debería de concederse el préstamo?<br />Segmentación de clientes<br />Clasificación de nuestros clientes<br />Anuncios Orientados<br />Personalización de anuncios, contenido,…<br />Previsión<br />¿Cuánto venderemos el próximo trimestre?<br />
    7. 7. Tareas de Minería de Datos (I)<br />Clasificación<br />Se asigna una categoría a cada caso. Cada caso tiene un conjunto de atributos uno de ellos es el atributo clase.<br />Se busca un modelo que describa el atributo clase como una función de los atributos de salida<br />Agrupación<br />También conocido como segmentación<br />Identifica grupos naturales basándose en un conjunto de atributos<br />Asociación<br />También conocido como análisis de cesta de la compra<br />Regresión<br />Similar a clasificación pero con el objetivo de buscar patrones para determinar un valor numérico<br />Ej.: Predicción de la velocidad del viento basada en temperatura presión de aire y humedad<br />
    8. 8. Tareas de Minería de Datos (II)<br />Previsión<br />La entrada es un conjunto de valores a lo largo del tiempo de los que extrae valores futuros<br />Análisis de secuencia<br />Busca patrones en una serie de eventos llamada secuencia<br />Ej. Secuencia de navegación en Web<br />Análisis de desviaciones<br />Busca casos «raros» diferentes a los demás<br />
    9. 9. Ciclo de un Proyecto de Minería (I)<br />Formulación del Problema de Negocio<br />Recolección de Datos<br />Limpieza y Transformación de Datos<br />Transformación numérica<br />Agrupación<br />Agregación<br />Manejo de valores «perdidos»<br />Eliminar os «extremos»<br />Creación del Modelo<br />Selección del Algoritmo<br />Prueba y Error en muchos casos<br />
    10. 10. Ciclo de un Proyecto de Minería (II)<br />Evaluación del Modelo<br />Evaluar la fiabilidad del modelo dentro de nuestro negocio<br />Reporting y Predicción<br />Integración en Aplicaciones<br />Gestión del Modelo<br />Dependiendo del escenario puede ser muy volátil<br />Planificar «Entrenamiento»<br />
    11. 11. Clasificación de Algoritmos<br />
    12. 12. Clasificación de Algoritmos<br />Tipos de Algoritmos<br />Algoritmos de SQL Server Data Mining<br />Clasificación de Algoritmos<br />
    13. 13. Tipos de Algoritmos<br />De Forecasting. <br />Dada una tendencia ¿Cuál es la previsión?<br />Supervisados. <br />Conocemos la respuesta ¿Qué está correlacionado?<br />No Supervisados. <br />Desconocemos la respuesta ¿Cuáles son los grupos?<br />
    14. 14. Algoritmos (I)<br />Decision Trees<br />El más popular<br />Utilizado para clasificación<br />Clustering<br />Encuentra agrupaciones naturales<br />Sequence Clustering<br />Agrupo una secuencia de eventos discretos en grupos naturales basado en similaridad<br />Entender como los visitantes usan una web<br />
    15. 15. Algoritmos (II)<br />Naïve Bayes<br />Clasificación en escenarios similares a Decision Trees<br />Linear Regression<br />Encuentra la mejor línea recta posible a través de una serie de puntos<br />Usado para análisis predictivo<br />Logistic Regression<br />Se adapta a un factor exponencial<br />Usado para análisis predictivo<br />
    16. 16. Algoritmos (III)<br />Association Rules<br />Análisis de Cesta de la compra<br />Time Series<br />Algoritmo de previsión usado para previsión a corto y largo plazo<br />Podemos usar varios escenarios para predecir escenarios “what if”<br />Neural Network<br />Tareas de Clasificación y Regresión<br />Más sofisticado que Decision Trees y Naïve Bayes<br />
    17. 17. Clasificación de Algoritmos<br />
    18. 18. Minería de Datos en Office<br />
    19. 19. Minería de Datos en Office<br />Tareas de Preparación de Datos<br />TableAnalysis Tools<br />Data Modeling Tools<br />Visores<br />Testeo y Validación<br />
    20. 20. Tareas de Preparación de Datos<br />Explorar Datos<br />Información estadística básica<br />Limpieza de datos<br />Outliers<br />Re-label<br />Datos de Ejemplo<br />
    21. 21. Preparando los datos<br />
    22. 22. TableAnalysis Tools (I)<br />
    23. 23. TableAnalysis Tools(II) <br />
    24. 24. Data Modeling Tools<br />
    25. 25. Data Modeling Tools <br />
    26. 26. Visores de Modelo<br />Cluster Diagram<br />Cluster Profiles<br />OtrosVisores<br /><ul><li> Decision tree
    27. 27. Neural network
    28. 28. Association rules
    29. 29. Time series</li></ul>Cluster Characteristics<br />Cluster Discrimination<br />
    30. 30. Testeo y Validación<br />Accuracy Chart<br />Classification Matrix<br />Profit Chart<br />
    31. 31. Resumen<br />Problemas de Negocio que podemos resolver<br />Que Tareas de Minería de Datos podemos aplicar<br />Ciclo de un Proyecto de Minería de Datos<br />Clasificación de Algoritmos de SQL Server Data Mining<br />Minería de Datos aplicada utilizando Office<br />
    32. 32. Minería de Datos<br />Para el común de los mortales<br />Antonio soto<br />Director General<br />@antoniosql<br />

    ×