1.
Minería de datos
Dr. Francisco J. Mata
1
Introducción a laIntroducción a la
minería de datosminería de datos
Tema 1Tema 1

2.
2
Minería de datos
Dr. Francisco J. Mata
TemarioTemario
 ¿Qué es minería de datos?¿Qué es minería de datos?
 ¿Quién usa minería de datos?¿Quién usa minería de datos?
 ¿Por qué de la minería de datos?¿Por qué de la minería de datos?
 Ciclo virtuoso de la minería de datosCiclo virtuoso de la minería de datos
 Resumen de principales técnicas de minería deResumen de principales técnicas de minería de
datosdatos

3.
3
Minería de datos
Dr. Francisco J. Mata
Definición de minería de datosDefinición de minería de datos
 Minería de datos es la exploración y análisis deMinería de datos es la exploración y análisis de
grandes cantidades de datos con el objeto degrandes cantidades de datos con el objeto de
encontrar patrones y reglas significativasencontrar patrones y reglas significativas
(conocimiento)(conocimiento)

4.
4
Minería de datos
Dr. Francisco J. Mata
Metas de la minería de datosMetas de la minería de datos
 Permitir a una organización MEJORAR _____Permitir a una organización MEJORAR _____
a través de un mejor CONOCIMIENTO dea través de un mejor CONOCIMIENTO de
______________
 Mejorar la ventaja competitivaMejorar la ventaja competitiva

5.
5
Minería de datos
Dr. Francisco J. Mata
La minería de datos es un campoLa minería de datos es un campo
multidisciplinariomultidisciplinario
Minería de datos
Inteligencia
Artificial
(“Machine
Learning”)
Estadística
Bases de
Datos
(VLDB)
Graficación y
visualización
Ciencias de
la información
Otras
disciplinas

6.
6
Minería de datos
Dr. Francisco J. Mata
La minería de datos es un subconjunto deLa minería de datos es un subconjunto de
la inteligencia de negociosla inteligencia de negocios

7.
7
Minería de datos
Dr. Francisco J. Mata
Minería de datosMinería de datos
 Proceso de utilizar datos “crudos” para inferirProceso de utilizar datos “crudos” para inferir
importantes relaciones entre ellosimportantes relaciones entre ellos
 Colección de técnicas poderosas para analizar grandesColección de técnicas poderosas para analizar grandes
volúmenes de datosvolúmenes de datos
 No existe un solo enfoque para minería de datos sinoNo existe un solo enfoque para minería de datos sino
un conjunto de técnicas que se pueden utilizar deun conjunto de técnicas que se pueden utilizar de
manera independiente o en combinaciónmanera independiente o en combinación
 Existe una relación con la estadística, aunqueExiste una relación con la estadística, aunque
frecuentemente se separan las técnicas que no estánfrecuentemente se separan las técnicas que no están
basadas en métodos estadísticosbasadas en métodos estadísticos

8.
8
Minería de datos
Dr. Francisco J. Mata
Tipos de aplicaciones de la mineríaTipos de aplicaciones de la minería
de datosde datos
 Aplicaciones o problemas de minería de datosAplicaciones o problemas de minería de datos
pueden clasificarse en las siguientes categoríaspueden clasificarse en las siguientes categorías
 ClasificaciónClasificación
 EstimaciónEstimación
 PronósticoPronóstico
 AsociaciónAsociación
 Agrupación o segmentaciónAgrupación o segmentación

9.
9
Minería de datos
Dr. Francisco J. Mata
ClasificaciónClasificación
 Examinar las características de un nuevo objetoExaminar las características de un nuevo objeto
y asignarle una clase o categoría de acuerdo a uny asignarle una clase o categoría de acuerdo a un
conjunto de tales objetos previamente definidoconjunto de tales objetos previamente definido
 Ejemplos:Ejemplos:
 Clasificar aplicaciones a crédito como bajo, medio yClasificar aplicaciones a crédito como bajo, medio y
alto riesgoalto riesgo
 Detectar reclamos fraudulentos de segurosDetectar reclamos fraudulentos de seguros

10.
10
Minería de datos
Dr. Francisco J. Mata
EstimaciónEstimación
 Relacionado con clasificaciónRelacionado con clasificación
 Mientras clasificación asigna un valor discreto,Mientras clasificación asigna un valor discreto,
estimación produce un valor continuoestimación produce un valor continuo
 Ejemplos:Ejemplos:
 Estimar el precio de una viviendaEstimar el precio de una vivienda
 Estimar el ingreso total de una familiaEstimar el ingreso total de una familia

11.
11
Minería de datos
Dr. Francisco J. Mata
PronósticoPronóstico
 Predecir un valor futuro con base a valoresPredecir un valor futuro con base a valores
pasadospasados
 Ejemplos:Ejemplos:
 Predecir cuánto efectivo requerirá un cajeroPredecir cuánto efectivo requerirá un cajero
automático en un fin de semanaautomático en un fin de semana

12.
12
Minería de datos
Dr. Francisco J. Mata
AsociaciónAsociación
 Determinar cosas u objetos que van juntosDeterminar cosas u objetos que van juntos
 Ejemplo:Ejemplo:
 Determinar que productos se adquierenDeterminar que productos se adquieren
conjuntamente en un supermercadoconjuntamente en un supermercado

13.
13
Minería de datos
Dr. Francisco J. Mata
Agrupación o segmentaciónAgrupación o segmentación
 Dividir una población en un número de gruposDividir una población en un número de grupos
más homogéneosmás homogéneos
 No depende de clases pre-definidas a diferenciaNo depende de clases pre-definidas a diferencia
de clasificaciónde clasificación
 Ejemplo:Ejemplo:
 Dividir la base de clientes de acuerdo con los hábitosDividir la base de clientes de acuerdo con los hábitos
de consumode consumo

14.
14
Minería de datos
Dr. Francisco J. Mata
Usos de la minería de datosUsos de la minería de datos
 Administración de la relación con los clientes:Administración de la relación con los clientes:
 Identificar nuevos clientes potenciales para aumentarIdentificar nuevos clientes potenciales para aumentar
ventasventas
 Ampliar la base de cliente con la mínima inversiónAmpliar la base de cliente con la mínima inversión
por parte de la empresapor parte de la empresa
 Retener clientes existentes evitando que se vayan a laRetener clientes existentes evitando que se vayan a la
competencia (“attrition”)competencia (“attrition”)
 Vender más a clientes existentes (“ventas cruzadas”)Vender más a clientes existentes (“ventas cruzadas”)

15.
15
Minería de datos
Dr. Francisco J. Mata
Usos de la minería de datosUsos de la minería de datos
 Detección de fraudes en el uso de tarjetas deDetección de fraudes en el uso de tarjetas de
créditocrédito
 Determinar patrones que puedan estarDeterminar patrones que puedan estar
relacionados con lavado de dinerorelacionados con lavado de dinero
 Determinar el precio de una casa con base enDeterminar el precio de una casa con base en
sus características y el precio de otras casassus características y el precio de otras casas
vendidasvendidas

16.
16
Minería de datos
Dr. Francisco J. Mata
Ejercicio en gruposEjercicio en grupos
 Equipos: 3 personas máximoEquipos: 3 personas máximo
 Objetivos:Objetivos:
 Identificar situaciones concretas para utilizar laIdentificar situaciones concretas para utilizar la
minería de datos (10 minutos)minería de datos (10 minutos)
 Reportar a la clase verbalmente (3 minutos)Reportar a la clase verbalmente (3 minutos)
 Las situaciones identificadasLas situaciones identificadas
 Tipo de aplicación o problema de minería de datosTipo de aplicación o problema de minería de datos
relacionadorelacionado
 Los beneficios esperados de aplicar la minería de datosLos beneficios esperados de aplicar la minería de datos

17.
17
Minería de datos
Dr. Francisco J. Mata
Usos de la minería de datosUsos de la minería de datos
 Usos de la minería de datos se han ampliado conUsos de la minería de datos se han ampliado con
el comercio electrónicoel comercio electrónico

18.
18
Minería de datos
Dr. Francisco J. Mata
RecomendacionesRecomendaciones

19.
19
Minería de datos
Dr. Francisco J. Mata
Disponibilidad de datos deDisponibilidad de datos de
transaccionestransacciones

20.
20
Minería de datos
Dr. Francisco J. Mata
¿Por qué de la minería de datos?¿Por qué de la minería de datos?
 Datos se encuentran disponiblesDatos se encuentran disponibles
 Poder computacional es cada vez menos costosoPoder computacional es cada vez menos costoso
 Las presiones competitivas son enormesLas presiones competitivas son enormes
 Software para minería de datos se encuentraSoftware para minería de datos se encuentra
disponibledisponible

21.
21
Minería de datos
Dr. Francisco J. Mata
Ciclo virtuoso de la minería de datosCiclo virtuoso de la minería de datos

22.
22
Minería de datos
Dr. Francisco J. Mata
Principales técnicas de minería dePrincipales técnicas de minería de
datosdatos
 Análisis de canasta de supermercadoAnálisis de canasta de supermercado
 K vecinos más cercanosK vecinos más cercanos
 Detección de gruposDetección de grupos
 Análisis de encadenamientoAnálisis de encadenamiento
 Árboles de decisiónÁrboles de decisión
 Redes neuronales artificialesRedes neuronales artificiales
 Algoritmos genéticosAlgoritmos genéticos

23.
23
Minería de datos
Dr. Francisco J. Mata
Resumen técnicas de minería deResumen técnicas de minería de
datosdatos
 Análisis de canasta de supermercadoAnálisis de canasta de supermercado
 Agrupar objetos que aparecen juntosAgrupar objetos que aparecen juntos
 Ejemplos:Ejemplos:
 Pañales y cervezasPañales y cervezas

24.
24
Minería de datos
Dr. Francisco J. Mata
Resumen técnicas de minería deResumen técnicas de minería de
datosdatos
 K vecinos más cercanosK vecinos más cercanos
 Determinar los K vecinos más cercanos en instanciasDeterminar los K vecinos más cercanos en instancias
conocidos con el objeto de clasificar o hacer unaconocidos con el objeto de clasificar o hacer una
predicción sobre una instancia desconocidapredicción sobre una instancia desconocida
 Ejemplo: Dado un reclamo para un seguroEjemplo: Dado un reclamo para un seguro
determinar basado en reclamos similares (vecinos) sideterminar basado en reclamos similares (vecinos) si
se debe pagar o investigarse debe pagar o investigar

25.
25
Minería de datos
Dr. Francisco J. Mata
Resumen técnicas de minería deResumen técnicas de minería de
datosdatos
 Detección de gruposDetección de grupos
 Encontrar objetos similares entre síEncontrar objetos similares entre sí
 Ejemplos: tipificar clases de clientesEjemplos: tipificar clases de clientes

26.
26
Minería de datos
Dr. Francisco J. Mata
Resumen técnicas de minería deResumen técnicas de minería de
datosdatos
 Análisis de encadenamientoAnálisis de encadenamiento
 Encuentra relaciones entre objetos de acuerdo conEncuentra relaciones entre objetos de acuerdo con
patronespatrones
 Relacionado con la teoría de grafosRelacionado con la teoría de grafos
 Ejemplos:Ejemplos:
 Relaciones entre individuos basados en llamadasRelaciones entre individuos basados en llamadas
telefónicastelefónicas
 Relaciones entre casos criminales de acuerdo con susRelaciones entre casos criminales de acuerdo con sus
característicascaracterísticas

27.
27
Minería de datos
Dr. Francisco J. Mata
Resumen técnicas de minería deResumen técnicas de minería de
datosdatos
 Árboles de decisiónÁrboles de decisión
 Dividir objetos en grupos asociando reglas para laDividir objetos en grupos asociando reglas para la
asignación de los objetos en su correspondienteasignación de los objetos en su correspondiente
grupogrupo
 Ejemplos: determinar el sexo o grupo de edad deEjemplos: determinar el sexo o grupo de edad de
una persona en función a una serie de preguntasuna persona en función a una serie de preguntas
contestadascontestadas

28.
28
Minería de datos
Dr. Francisco J. Mata
Resumen técnicas de minería deResumen técnicas de minería de
datosdatos
 Redes neuronales artificialesRedes neuronales artificiales
 Más común de las técnicas y para algunos sinónimoMás común de las técnicas y para algunos sinónimo
de minería de datosde minería de datos
 Modelos simples de interconexiones neuronales en elModelos simples de interconexiones neuronales en el
cerebro que aprenden de un conjunto decerebro que aprenden de un conjunto de
adiestramiento y generalizan patrones dentro de éladiestramiento y generalizan patrones dentro de él
con el objeto de clasificar, estimar o predecircon el objeto de clasificar, estimar o predecir
 Ejemplo: estimar el valor de una casa tomando enEjemplo: estimar el valor de una casa tomando en
cuenta el precio pagado por casas similarescuenta el precio pagado por casas similares

29.
29
Minería de datos
Dr. Francisco J. Mata
Resumen técnicas de minería deResumen técnicas de minería de
datosdatos
 Algoritmos genéticosAlgoritmos genéticos
 Aplican la mecánica de la genética y la selecciónAplican la mecánica de la genética y la selección
natural para encontrar un conjunto de parámetrosnatural para encontrar un conjunto de parámetros
óptimos para una función predictivaóptimos para una función predictiva
 Utilizados para entrenar redes neuronales artificialesUtilizados para entrenar redes neuronales artificiales

30.
30
Minería de datos
Dr. Francisco J. Mata
Resumen técnicas de minería deResumen técnicas de minería de
datosdatos
 Técnicas mencionadas pueden utilizarse en variasTécnicas mencionadas pueden utilizarse en varias
aplicaciones o problemas de minería de datosaplicaciones o problemas de minería de datos
 Ejemplo: árboles de decisión sirven para detectar grupos,Ejemplo: árboles de decisión sirven para detectar grupos,
clasificar y predecirclasificar y predecir
 Varias técnicas pueden ser utilizadas en una mismaVarias técnicas pueden ser utilizadas en una misma
aplicación o problema de minería de datosaplicación o problema de minería de datos
 Ejemplo: K vecinos más próximos, árboles de decisión yEjemplo: K vecinos más próximos, árboles de decisión y
redes neuronales artificiales pueden utilizarse pararedes neuronales artificiales pueden utilizarse para
clasificaciónclasificación