SlideShare una empresa de Scribd logo
1 de 11
PROYECTO #4
DATA MINING: REGLAS
DE CLASIFICACIÓN
INTEGRANTES
SILVIA
CARVAJAL
MENDEZ
BERTHY VARGAS
VILLARREAL
LUIS ENRIQUE
CESARY AÑEZ
XAVIER MARCELO
PANIAGUA
ALARCÓN
MÓDULO :
FUNDAMENTOS DE
MINERÍA Y CIENCIAS
DE DATOS
GRUPO:2
DOCENTE: ING. DAVID E.
MENDOZA GUTIERREZ
Es un conjunto de tareas y métodos que sirven para extraer
información no trivial que reside de manera implícita entre
grandes volúmenes de información
Data Mining
❏ Tareas descriptivas
● Agrupamiento
● Factorización
● Asociación (Reglas)
● Detección de valores anómalos
Tareas que conforman el Data Mining
❏ Tareas Predictivas
● Clasificación (Reglas)
● Categorización
● Regresión
Métodos que conforman el Data
Mining
❏ Redes Neuronales
❏ Sistemas de Regresión
❏ Redes Bayesianas
❏ Algoritmos Genéticos
❏ Conteo de Frecuencias
(Algoritmo Apriori)
❏ Arbol de Decision
➢ Algoritmo ID3
➢ Algoritmo C4.5
❏ Clustering
Se a detectado Posibles mejoras en sistema de reglas de
clasificación porque:
● Pueden llegar a contener muchísimas reglas
● Suelen estar desordenadas
● Existen reglas redundantes
● Existen reglas contradictorias
Estudio del Estado del arte
Facilitar la interpretación a partir de una nueva medida de bondad
que permita:
● Reducción de los sistemas
● Etiquetado adecuado de sus reglas
Objetivo del Estudio
Para resolver los objetivos planteados se aplicó al sistema de
reglas de clasificación los siguientes pasos:
Paso 1: Iniciar los ejes de confianza
Paso 2: Desdoblamos los ejes tanto para la confianza y los
soportes
Paso 3: Re ajustamos los ejes para minimizar las regiones
Algoritmo Aplicado
Para resolver los objetivos planteados se aplicó al sistema de
reglas de clasificación los siguientes pasos:
Paso 4: Para cada regla se produce el cálculo a la región que
pertenece
Paso 5: Para el conjunto de reglas se produce el cálculo de
proporción de reglas
Paso 6: Eliminar de las reglas que acabaron en la región cero (0)
Algoritmo Aplicado
Se calcula el grado de complejidad del algoritmo RBS y para ello
tenemos que tomar en cuenta los siguientes puntos:
Complejidad del algoritmo RBS
Casos de Prueba
Conclusión

Más contenido relacionado

Similar a Data Mining :Reglas de clasificación

5 t218162dw t_mineriadatos
5 t218162dw t_mineriadatos5 t218162dw t_mineriadatos
5 t218162dw t_mineriadatos
Julio Pari
 
Presentaci%c3%b3n%20 data%20mining[1]
Presentaci%c3%b3n%20 data%20mining[1]Presentaci%c3%b3n%20 data%20mining[1]
Presentaci%c3%b3n%20 data%20mining[1]
rauldiazv
 

Similar a Data Mining :Reglas de clasificación (20)

Mineria de datos
Mineria de datosMineria de datos
Mineria de datos
 
Presentacion data mining (mineria de datos)- base de datos
Presentacion data mining (mineria de datos)- base de datosPresentacion data mining (mineria de datos)- base de datos
Presentacion data mining (mineria de datos)- base de datos
 
Introduccion a mineria de datos
Introduccion a mineria de datosIntroduccion a mineria de datos
Introduccion a mineria de datos
 
Mineria de datos
Mineria de datosMineria de datos
Mineria de datos
 
Tecnicas de minería de datos
Tecnicas de minería de datosTecnicas de minería de datos
Tecnicas de minería de datos
 
5 t218162dw t_mineriadatos
5 t218162dw t_mineriadatos5 t218162dw t_mineriadatos
5 t218162dw t_mineriadatos
 
Minería de datos
Minería de datosMinería de datos
Minería de datos
 
Mineria de datos
Mineria de datosMineria de datos
Mineria de datos
 
Mineria de datos
Mineria de datosMineria de datos
Mineria de datos
 
Capitulo5
Capitulo5Capitulo5
Capitulo5
 
Mineria de datos-una_introduccion
Mineria de datos-una_introduccionMineria de datos-una_introduccion
Mineria de datos-una_introduccion
 
Minería de datos
Minería de datosMinería de datos
Minería de datos
 
Tecnicas Mineria de Datos.ppt
Tecnicas Mineria de Datos.pptTecnicas Mineria de Datos.ppt
Tecnicas Mineria de Datos.ppt
 
Mineria de datos
Mineria de datosMineria de datos
Mineria de datos
 
Mineria de datos
Mineria de datosMineria de datos
Mineria de datos
 
DATAMINING
DATAMININGDATAMINING
DATAMINING
 
Presentaci%c3%b3n%20 data%20mining[1]
Presentaci%c3%b3n%20 data%20mining[1]Presentaci%c3%b3n%20 data%20mining[1]
Presentaci%c3%b3n%20 data%20mining[1]
 
Minería de Datos. Introducción
Minería de Datos. IntroducciónMinería de Datos. Introducción
Minería de Datos. Introducción
 
Mineria de Datos
Mineria de DatosMineria de Datos
Mineria de Datos
 
Manejo De Datos
Manejo De DatosManejo De Datos
Manejo De Datos
 

Último

INFORME FINAL ESTADISTICA DESCRIPTIVA E INFERENCIAL
INFORME FINAL ESTADISTICA DESCRIPTIVA E INFERENCIALINFORME FINAL ESTADISTICA DESCRIPTIVA E INFERENCIAL
INFORME FINAL ESTADISTICA DESCRIPTIVA E INFERENCIAL
MANUELVILELA7
 
ETICA EN LA CADENAS la cadena de suministro
ETICA EN LA CADENAS la cadena de suministroETICA EN LA CADENAS la cadena de suministro
ETICA EN LA CADENAS la cadena de suministro
IrisMoreno27
 
metodo SOAP utilizado para evaluar el estado de un paciente
metodo SOAP utilizado para evaluar el estado de un pacientemetodo SOAP utilizado para evaluar el estado de un paciente
metodo SOAP utilizado para evaluar el estado de un paciente
MedicinaInternaresid1
 

Último (20)

PIB PERÚ datos y análisis de los últimos años
PIB PERÚ datos y análisis de los últimos añosPIB PERÚ datos y análisis de los últimos años
PIB PERÚ datos y análisis de los últimos años
 
variables-estadisticas. Presentación powerpoint
variables-estadisticas. Presentación powerpointvariables-estadisticas. Presentación powerpoint
variables-estadisticas. Presentación powerpoint
 
INFORME FINAL ESTADISTICA DESCRIPTIVA E INFERENCIAL
INFORME FINAL ESTADISTICA DESCRIPTIVA E INFERENCIALINFORME FINAL ESTADISTICA DESCRIPTIVA E INFERENCIAL
INFORME FINAL ESTADISTICA DESCRIPTIVA E INFERENCIAL
 
Alfredo Gabriel Rodriguez Yajure Tarea#1
Alfredo Gabriel Rodriguez Yajure Tarea#1Alfredo Gabriel Rodriguez Yajure Tarea#1
Alfredo Gabriel Rodriguez Yajure Tarea#1
 
Los idiomas más hablados en el mundo (2024).pdf
Los idiomas más hablados en el mundo  (2024).pdfLos idiomas más hablados en el mundo  (2024).pdf
Los idiomas más hablados en el mundo (2024).pdf
 
ETICA EN LA CADENAS la cadena de suministro
ETICA EN LA CADENAS la cadena de suministroETICA EN LA CADENAS la cadena de suministro
ETICA EN LA CADENAS la cadena de suministro
 
EPIDEMIO CANCER PULMON resumen nnn.pptx
EPIDEMIO CANCER PULMON  resumen nnn.pptxEPIDEMIO CANCER PULMON  resumen nnn.pptx
EPIDEMIO CANCER PULMON resumen nnn.pptx
 
metodo SOAP utilizado para evaluar el estado de un paciente
metodo SOAP utilizado para evaluar el estado de un pacientemetodo SOAP utilizado para evaluar el estado de un paciente
metodo SOAP utilizado para evaluar el estado de un paciente
 
Evolución de la fortuna de la familia Slim (1994-2024).pdf
Evolución de la fortuna de la familia Slim (1994-2024).pdfEvolución de la fortuna de la familia Slim (1994-2024).pdf
Evolución de la fortuna de la familia Slim (1994-2024).pdf
 
EXPOSICION. PROCEOS SAW SEMIATUMATIZADO,
EXPOSICION. PROCEOS SAW SEMIATUMATIZADO,EXPOSICION. PROCEOS SAW SEMIATUMATIZADO,
EXPOSICION. PROCEOS SAW SEMIATUMATIZADO,
 
Reservas de divisas y oro en México en sexenio de AMLO (2018-2024).pdf
Reservas de divisas y oro en México en sexenio de AMLO (2018-2024).pdfReservas de divisas y oro en México en sexenio de AMLO (2018-2024).pdf
Reservas de divisas y oro en México en sexenio de AMLO (2018-2024).pdf
 
P.P ANÁLISIS DE UN TEXTO BÍBLICO. TEMA 10.pptx
P.P ANÁLISIS DE UN TEXTO BÍBLICO. TEMA 10.pptxP.P ANÁLISIS DE UN TEXTO BÍBLICO. TEMA 10.pptx
P.P ANÁLISIS DE UN TEXTO BÍBLICO. TEMA 10.pptx
 
Perú en el ranking mundial, segun datos mineria
Perú en el ranking mundial, segun datos mineriaPerú en el ranking mundial, segun datos mineria
Perú en el ranking mundial, segun datos mineria
 
Análisis del Modo y Efecto de Fallas AMEF.ppt
Análisis del Modo y Efecto de Fallas AMEF.pptAnálisis del Modo y Efecto de Fallas AMEF.ppt
Análisis del Modo y Efecto de Fallas AMEF.ppt
 
Panorama Sociodemográfico de México 2020: GUANAJUATO
Panorama Sociodemográfico de México 2020: GUANAJUATOPanorama Sociodemográfico de México 2020: GUANAJUATO
Panorama Sociodemográfico de México 2020: GUANAJUATO
 
Porcentaje de población blanca europea en Europa Occidental (1923-2024).pdf
Porcentaje de población blanca europea en Europa Occidental (1923-2024).pdfPorcentaje de población blanca europea en Europa Occidental (1923-2024).pdf
Porcentaje de población blanca europea en Europa Occidental (1923-2024).pdf
 
Los países por porcentaje de población blanca europea en AL (2024).pdf
Los países por porcentaje de población blanca europea en AL (2024).pdfLos países por porcentaje de población blanca europea en AL (2024).pdf
Los países por porcentaje de población blanca europea en AL (2024).pdf
 
Novelas Turcas vs Series de EUA en audiencia (2024).pdf
Novelas Turcas vs Series de EUA en audiencia  (2024).pdfNovelas Turcas vs Series de EUA en audiencia  (2024).pdf
Novelas Turcas vs Series de EUA en audiencia (2024).pdf
 
AMNIOS Y CORDON UMBILICAL en el 3 embarazo (1).docx
AMNIOS Y CORDON UMBILICAL en el 3 embarazo (1).docxAMNIOS Y CORDON UMBILICAL en el 3 embarazo (1).docx
AMNIOS Y CORDON UMBILICAL en el 3 embarazo (1).docx
 
Tipos de Educacion en diferentes partes del mundo.pptx
Tipos de Educacion en diferentes partes del mundo.pptxTipos de Educacion en diferentes partes del mundo.pptx
Tipos de Educacion en diferentes partes del mundo.pptx
 

Data Mining :Reglas de clasificación

  • 1. PROYECTO #4 DATA MINING: REGLAS DE CLASIFICACIÓN INTEGRANTES SILVIA CARVAJAL MENDEZ BERTHY VARGAS VILLARREAL LUIS ENRIQUE CESARY AÑEZ XAVIER MARCELO PANIAGUA ALARCÓN MÓDULO : FUNDAMENTOS DE MINERÍA Y CIENCIAS DE DATOS GRUPO:2 DOCENTE: ING. DAVID E. MENDOZA GUTIERREZ
  • 2. Es un conjunto de tareas y métodos que sirven para extraer información no trivial que reside de manera implícita entre grandes volúmenes de información Data Mining
  • 3. ❏ Tareas descriptivas ● Agrupamiento ● Factorización ● Asociación (Reglas) ● Detección de valores anómalos Tareas que conforman el Data Mining ❏ Tareas Predictivas ● Clasificación (Reglas) ● Categorización ● Regresión
  • 4. Métodos que conforman el Data Mining ❏ Redes Neuronales ❏ Sistemas de Regresión ❏ Redes Bayesianas ❏ Algoritmos Genéticos ❏ Conteo de Frecuencias (Algoritmo Apriori) ❏ Arbol de Decision ➢ Algoritmo ID3 ➢ Algoritmo C4.5 ❏ Clustering
  • 5. Se a detectado Posibles mejoras en sistema de reglas de clasificación porque: ● Pueden llegar a contener muchísimas reglas ● Suelen estar desordenadas ● Existen reglas redundantes ● Existen reglas contradictorias Estudio del Estado del arte
  • 6. Facilitar la interpretación a partir de una nueva medida de bondad que permita: ● Reducción de los sistemas ● Etiquetado adecuado de sus reglas Objetivo del Estudio
  • 7. Para resolver los objetivos planteados se aplicó al sistema de reglas de clasificación los siguientes pasos: Paso 1: Iniciar los ejes de confianza Paso 2: Desdoblamos los ejes tanto para la confianza y los soportes Paso 3: Re ajustamos los ejes para minimizar las regiones Algoritmo Aplicado
  • 8. Para resolver los objetivos planteados se aplicó al sistema de reglas de clasificación los siguientes pasos: Paso 4: Para cada regla se produce el cálculo a la región que pertenece Paso 5: Para el conjunto de reglas se produce el cálculo de proporción de reglas Paso 6: Eliminar de las reglas que acabaron en la región cero (0) Algoritmo Aplicado
  • 9. Se calcula el grado de complejidad del algoritmo RBS y para ello tenemos que tomar en cuenta los siguientes puntos: Complejidad del algoritmo RBS