2. Cada vez es más frecuente el almacén de
información en bases de datos como en:
Data Warehouse
Empresas de Marketing
Escuelas
Gobierno
Esto dificulta la realización de análisis de
aspectos relevantes.
Otoño 2009
MC Beatriz Beltrán Martínez 2
3. La búsqueda tradicional de datos se realiza
mediante análisis estadísticos.
A finales de los 80’s la estadística se amplió
a técnicas como lógica difusa, razonamiento
heurístico y redes neuronales.
Actualmente, las técnicas anteriores se
aprovechan para generar conocimiento.
Otoño 2009
MC Beatriz Beltrán Martínez 3
4. La Minería de Datos es la extracción
automática de información predictiva
escondida desde bases de datos.
La Minería de Datos estudia métodos y
algoritmos que permiten la extracción
automática de información sintetizada que
permite caracterizar las relaciones
escondidas.
Otoño 2009
MC Beatriz Beltrán Martínez 4
5. En las aplicaciones de la Minería de Datos
se hace sobre datos previamente
recolectados.
Los datos no cambian mientras están siendo
analizados.
Por lo que los datos generados son
confiables y consistentes para éstos datos.
Otoño 2009
MC Beatriz Beltrán Martínez 5
6. La Minería de Datos y las Bases de Datos
comerciales están disponibles para resolver
problemas de decisión de negocios.
La Minería de Datos es una tecnología que
ayuda a enfocarse en la información más
importante en los almacenes de datos.
Otoño 2009
MC Beatriz Beltrán Martínez 6
7. Minería de Datos:
› No es una solución a
negocios.
› Es sólo tecnología.
› Encuentra las “gemas
pérdidas” en
montañas de
información.
Bases de Datos
Comerciales:
› Involucra decisiones
de información.
› Da decisiones de
negocios.
Otoño 2009
MC Beatriz Beltrán Martínez 7
8. Las Herramientas de la Minería de Datos:
› Predicen tendencias futuras y comportamientos.
› Pueden responder a preguntas que consumarían
demasiado tiempo para resolverlas.
La automatización, provee herramientas
típicas de soporte de decisión.
Otoño 2009
MC Beatriz Beltrán Martínez 8
9. Las Herramientas obtienen de las bases de
datos patrones escondidos.
Las Técnicas de la Minería de Datos pueden
ser implementadas rápidamente en software y
en las plataformas de hardware existente.
Las Herramientas de Minería de Datos pueden
ser implementadas en plataformas cliente-
servidor o computadoras de procesamiento
paralelo.
Otoño 2009
MC Beatriz Beltrán Martínez 9
10. Las Técnicas de la Minería de Datos son el
resultado de un largo proceso de investigación
y desarrollo de productos.
La Minería de Datos esta soportada por tres
tecnologías que son lo suficientemente
maduras:
Colección masiva de datos.
Computadoras con multiprocesamiento.
Algoritmos de minería de datos.
Otoño 2009
MC Beatriz Beltrán Martínez 10
11. En la siguiente tabla se muestra la evolución
del tipo de consultas.
Otoño 2009
MC Beatriz Beltrán Martínez 11
Evolución Preguntas de Negocios Tecnologías permitidas Características
Colección de datos
(Años 60)
Cuales fueron los ingresos en
los últimos 5 años?
Computadoras, cintas y
discos.
Liberación de datos
estáticos
retrospectiva.
Acceso a datos.
(Años 80)
Que rebajas se tuvieron en
Nueva Inglaterra en marzo?
Bases de datos relacionales
y lenguajes de consulta
estructurados (SQL)
Nivel de registro en
liberación de datos
dinámicos
retrospectiva.
Data Warehouse y
soporte a la toma de
decisiones.
(Años 90)
Que rebajas se tuvieron en
Nueva Inglaterra en marzo?
Repetir para Boston.
(Procesamiento analítico en
línea, bases de datos
multidimensionales y
almacenes de datos.
Niveles múltiples en
liberación de datos
dinámicos
retrospectiva.
Data Mining (1995) Que es lo más probable que
pase con las rebajas en
Boston el próximo mes?
Algoritmos avanzados,
computadoras con
multiprocesador y bases de
datos masivas.
Liberación de
información proactiva
prospectiva
12. El componente principal en la Tecnología de la
Minería de Datos ha sido desarrollado en:
Estadística
Inteligencia Artificial
Máquinas de Aprendizaje
Actualmente, existe gran relevancia en:
Ambientes de negocios
Las descripciones básicas de las arquitecturas de
almacenes de datos.
Otoño 2009
MC Beatriz Beltrán Martínez 12
13. Las técnicas para la Minería de Datos son:
Redes Neuronales Artificiales.
Árboles de Decisión.
Algoritmos Genéticos.
Modelos Lineales.
Vecino más Cercano.
Otoño 2009
MC Beatriz Beltrán Martínez 13
14. La Minería de Datos ha surgido del potencial
del análisis de grandes volúmenes de
información.
Su fin es obtener resúmenes y conocimiento
para la toma de decisiones.
Además se pretende construir experiencia a
partir de millones de transacciones.
Otoño 2009
MC Beatriz Beltrán Martínez 14
15. El conjunto de datos de donde la minería
intenta extraer conocimiento se le llama
conjunto de entrenamiento.
La meta de la Minería es obtener
conocimiento válido no solo para la base de
datos considerada sino para una muy
similar.
El conocimiento puede ser probado con otro
conjunto de entrenamiento.
Otoño 2009
MC Beatriz Beltrán Martínez 15
16. Algunas de las aplicaciones de la Minería de
Datos son:
› Compañias Farmaceuticas.
› Compañias de crédito.
› Compañias de transporte.
› Compañias de consumo.
› Reacciones químicas.
› Comercio, monitoreo.
Otoño 2009
MC Beatriz Beltrán Martínez 16
17. Facilidad con que se puede caer en una
falsa interpretación.
Es fácil equivocarse.
Tiempo y espacio.
Privacidad
Otoño 2009
MC Beatriz Beltrán Martínez 17
18. Otoño 2009
MC Beatriz Beltrán Martínez 18
BD
Datos
Selección Preprocesado
Selección de
características
Extracción de
conocimiento Evaluación
Modelo
clasificador
Conocimiento
19. Algoritmos de aprendizaje:
Mediante una técnica de Minería de Datos,
se obtiene un modelo de conocimiento.
El modelo representa patrones de
comportamiento observados en los valores
de las variables o relaciones de asociación.
También pueden usarse técnicas para
generar distintos modelos.
Otoño 2009
MC Beatriz Beltrán Martínez 19
20. Los métodos no supervisados, descubren:
patrones y
tendencias en los datos actuales.
El descubrimiento de esa información sirve
para llevar a cabo acciones y obtener un
beneficio de ellas.
Otoño 2009
MC Beatriz Beltrán Martínez 20
21. Otoño 2009
MC Beatriz Beltrán Martínez 21
Data Mining
Verification Driven DM Discovery Driven DM
SQL SQL Generator Description Prediction
Query Tools
OLAP
Visualization
Clustering
Association
Secuential Association
Distillation
Clasification Statistical
Regression
Decision Tree
Rule Induction
Neural Network
22. Agrupamiento.
› También se llama segmentación.
› Identifica tipologías de grupos, donde se guarda
similitud.
› Se requiere información sobre el colectivo a
segmentar.
› La información corresponde a valores concretos.
› Se basan en herramientas de carácter
estadísticos, generación de reglas, redes
neuronales,etc.
Otoño 2009
MC Beatriz Beltrán Martínez 22
23. Métodos estadísticos.
› Técnica tradicional en el tratamiento de grandes
volúmenes de datos.
› Existen varios modelos:
ANOVA (Análisis de Varianza). Contrasta con
variables continuas.
Ji cuadrado. Contrasta con la independencia de
variables.
Componentes principales. Permite reducir el
número de variables.
Otoño 2009
MC Beatriz Beltrán Martínez 23
24. Métodos estadísticos.
Análisis de clústers. Permite clasificar poblaciones.
Análisis de discrimante. Permite encontrar reglas
de clasificación de elementos en grupos.
Regresión lineal. Se identifica una variable
dependiente de las independientes, con una
relación lineal.
Regresión logística. Trabaja con variables
discretas, se requiere que las variables sean
lineales.
Otoño 2009
MC Beatriz Beltrán Martínez 24
25. Árboles de decisión.
› Herramientas analíticas empleadas para el
descubrimiento de reglas y relaciones.
› Se construye partiendo el conjuntos de dos
(CART) o más (CHAID).
› Cada subconjunto a su vez es particionado.
› Se continua hasta no encontrar diferencias
significativas de influencia.
Otoño 2009
MC Beatriz Beltrán Martínez 25
26. Reglas de asociación.
› Derivan de un tipo de análisis que extrae
información por coincidencias.
› Permite descubrir correlaciones o co-ocurrencias
en los sucesos de la base de datos.
› Se formaliza la obtención de reglas del tipo SI...
ENTONCES.
Otoño 2009
MC Beatriz Beltrán Martínez 26
27. Redes neuronales.
› Son capaces de detectar y aprender patrones y
características de los datos.
› Una vez adiestradas las redes pueden hacer
previsiones, clasificaciones y segmentación.
› Esto se realiza estructurando nivels o capas.
› Se tienen dos tipos de aprendizaje: supervisado
y no supervisado.
Otoño 2009
MC Beatriz Beltrán Martínez 27
28. Algorítmos genéticos.
› Hacen uso de técnicas de reproducción
(mutación y cruce) para ser utilizadas para
búsqueda y optimización.
› Se parte de una población inicial, y se altera
optimizándola.
› Esta herramienta se usa en las primeras fases
de la minería y después se aplica redes
neuronales o regresión logística.
Otoño 2009
MC Beatriz Beltrán Martínez 28
29. Lógica difusa.
› Surge de la necesidad de modelar la realidad de
forma mas exacta, evitando el determinismo y
exactitud.
› Permite el tratamiento probabilístico de
categorización colectiva.
› Trata la existencia de barreras difusas o suaves
entre grupos.
Otoño 2009
MC Beatriz Beltrán Martínez 29
30. Series temporales.
› Consisten en el estudio de una variable a través
del tiempo para que partiendo de ese
conocimiento y con el supuesto de no cambios
poder realizar predicciones.
› Se basan en ciclos, tendencias y estaciones.
› Se puede aplicar enfoques híbridos entre
métodos anteriores, o con otro tipo de variables.
Otoño 2009
MC Beatriz Beltrán Martínez 30
31. Redes bayesianas.
› Son una alternativa para la minería.
› Se tiene las ventajas:
Permiten aprender sobre relaciones de
dependencia y causalidad.
Permiten combinar conocimiento de datos.
Evitan el sobre-ajuste de datos.
Permiten el manejo de bases de datos
incompletas.
Otoño 2009
MC Beatriz Beltrán Martínez 31
32. Inducción de reglas.
› Como información de entrada, se tiene un
conjunto de casos donde se ha asociado una
clasificación o evaluación.
› Con tal información se obtiene un árbol de
decisión, que soportan la evaluación o
clasificación.
› En caso de que la entrada tenga ruido, esta
técnica se puede habilitar con métodos
estadísticos.
Otoño 2009
MC Beatriz Beltrán Martínez 32
33. Sistemas basados en conocimiento y
sistemas expertos.
› Permiten la formalización de árboles y reglas de
decisión, extraídas del conocimiento de
expertos.
› Poseen motores de inferencia, que gestionan las
preguntas.
› De esta forma el proceso de decisión es
eficiente y rápido.
Otoño 2009
MC Beatriz Beltrán Martínez 33
34. Selección de técnicas adecuadas.
El mínimo aceptable para elegir una tecnología
de MD y un producto depende de qué tanto el
producto beneficia al negocio:
Ingresos.
Costos disminuidos.
Rendimiento de inversiones.
Para desarrollar con éxito un negocio, el MD
debe buscar algo más que patrones deseados.
Otoño 2009
MC Beatriz Beltrán Martínez 34
35. Se tienen tres medidas claves, para una
evaluación de las herramientas.
Precisión: Se deben modelos precisos, pero
reconociendo pequeñas diferencias en las
técnicas.
Explicación: Las herramientas deben
explicar al usuario final de manera clara como
funciona el modelo.
Integración: Las herramientas deben
integrarse en el proceso real del negocio,
flujos de datos e información de la empresa.
Otoño 2009
MC Beatriz Beltrán Martínez 35