Este documento habla sobre las técnicas de minería de datos como clustering, segmentación, clasificación, asociaciones y modelos predictivos. Explica que el clustering agrupa casos similares y segmentación divide datos en segmentos según criterios. La clasificación asigna nuevos casos a clases predefinidas. Las asociaciones identifican frecuencias entre variables. Los modelos predictivos usan variables de entrada históricas para predecir resultados futuros.

1. Minería de Datos Rafael Zamora Garrido Julio 2009

2. 2 Ejemplos de objetivos de Minería de Datos

3. 3 ¿Qué es Data Mining?

4. 4 ¿Qué es Data Mining? La minería de datos utiliza diversas técnicaspara analizar y procesar los datos:

5. 5 Técnicas de Minería de Datos El objetivo del clusteringes definir grupos (o clusters) dentro de los cuales los casos (o los clientes) sean lo más parecidos posible. Por otra parte, los diferentes clusters deben ser, entre sí, lo más distintos posible. Ejemplo: Podemos definir dos clusters: los clientes más rentables y los clientes menos rentables. Dentro del cluster de los clientes más rentables, todos los clientes deben tener una rentabilidad por encima de un determinado umbral. La segmentación es la división (o partición) de la totalidad de los datos en segmentos, según determinados criterios. Ejemplo: Clientes de banca Como ejemplo de segmentación, podemos considerar una base de datos de clientes de banca. Una segmentación útil sería en términos de rentabilidad: podríamos identificar tres grupos, los más rentables, los de rentabilidad media y los menos rentables. Para cada grupo podríamos identificar una serie de características. Por ejemplo, en el grupo de los clientes más rentables, la media de edad del cliente es de 49 años, mientras que en el grupo de los clientes menos rentables, la media de edad es de 27 años.. Nota: No hay que confundir clusteringcon segmentación. La segmentación se usa para identificar grupos que tienen características comunes.

6. 6 Técnicas de Minería de Datos Consiste en examinar las características de una entidad nueva y asignarle una clase predefinida. Por ejemplo: Clasificar a un nuevo cliente según su riesgo de crédito (alto, medio, bajo). Ejemplo: Un ejemplo de una técnica de clasificación es la inducción de reglas; otro ejemplo es la red neuronal. La inducción de reglas La inducción de reglas crea un modelo construido a partir de reglas tipo if-then-else (si-entonces-si no). En general funciona tanto para valores numéricos como para valores categóricos. Los modelos tienen una serie de variables de entrada y una o más variables de salida, pero en contraste con las redes neuronales, se puede ver cómo llegan al resultado o salida. Por ejemplo, un modelo muy sencillo tendría tres variables de entrada, edad, estado civil, cuenta de ahorro, y una de salida, contrata hipoteca. Las dos reglas de proceso (el modelo de datos) podrían ser: "Si edad es entre 18 y 40 años y estado civil es casado y cuenta de ahorro = si entonces contrata hipoteca ⇒ si (18450,78%)" o "Si edad es mayor de 40 años y estado civil es casado y tiene cuenta de ahorro = no entonces contrata hipoteca ⇒ no (17490,66%)".

8. Se pueden identificar manualmente, pero hay herramientas que pueden hacerlo de forma automática.

10. el pronóstico de un paciente,

12. 9 Creación de Modelos de Datos Pasos para la creación de modelos de datos: Ahora deberíamos disponer de un conjunto de datos con las variables seleccionadas, que podríamos dar como entradas a las técnicas de modelización

13. 10 Ejemplo creación de Modelos de Datos Ejemplo (Proceso de inducción de C4.5) Suponemos que disponemos de un fichero de datos de clientes con una serie de variables descriptivas sobre ellos: edad; estado civilcon posibles valores casado, soltero, divorciado, viudo y sin especificar; vivienda propiacon posibles valores sí y no. Para cada cliente, también disponemos de una variable de salidaque indica eltipo de cocheque ha comprado con posibles valores coche deportivo, monovolumen, etc. La idea es entrenar un modelo predictivo con estos datos para que sea capaz de predecir con una alta precisión el tipo de coche que una persona comprará, únicamente a partir de los datos de entrada. La inducción de reglas crea un modelo construido a partir de reglas tipo "if-then-else" (si-entonces-si no). En general funciona tanto con valores numéricos como para valores categóricos. Los modelos otra vez tienen una serie de variables de entrada y una o más variables de salida, pero se diferencian de las redes neuronales en que se puede ver cómo llegan al resultado o salida. Suponemos que hemos dado los datos de entrada a la técnica C4.5, y ha producido un modelo de datos predictivo a partir de ellos. Por ejemplo, un modelo muy sencillo tendría las tres variables de entrada, edad, estado civil, vivienda propia, y una de salida, compra coche tipo.... Las dos reglas de proceso (el modelo de datos) podrían ser: "Si edad es joven y estado civil es soltero y tiene vivienda propia = no entonces compra coche deportivo ⇒ si (1500,65%)" o "Si edad es mediana y estado civil es casado y tiene vivienda propia = si entonces compra coche monovolumen ⇒ si (2800,72%)"

14. 11 Muchas gracias