El documento describe el proceso de descubrimiento de conocimiento en bases de datos (KDD). KDD involucra identificar patrones válidos, novedosos, útiles y entendibles en datos a través de un proceso iterativo. La extracción de patrones ocupa solo una pequeña parte del esfuerzo total de KDD, el cual también incluye pre-procesamiento, limpieza de datos, interpretación de resultados y reporte. KDD es un campo multidisciplinario que se relaciona con áreas como bases de datos, aprendizaje automático, estadística

1. Descubrimiento de Conocimiento en Bases de Datos “ Proceso no trivial de identificación de patrones válidos , novedosos , potencialmente útiles y deseablemente entendibles a partir de datos” proces o : KDD es iterativo, al encontrar información útil en los datos, se realizan mejores preguntas v á lid o : generalizable para el futuro nov edoso : desconocido con anterioridad útil : aplicable, útil para nuestra meta entendible : nos lleva a comprensión

2. Descubrimiento de Conocimiento en Bases de datos Implícitamente existe una medida (definida por el usuario), que determina qué tan interesantes pueden ser los patrones. Existe un pre- y post-procesamiento significativo de datos La extracción de patrones (minería) de los datos ocupa solo el 15%-20% del esfuerzo total del proceso de KDD

3. Metas Procesar automáticamente grandes cantidades de datos crudos, Identificar los patrones más significativos y relevantes, y Presentarlos como conocimiento apropiado para satisfacer las metas del usuario.

4. Areas Relacionadas KDD es un nuevo campo multidisciplinario Recono. de patrones Soft computing Aprend. Computa. Estadística Base de datos Cómputo de alto desempeño Visualización KDD

5. Areas Relacionadas Tecno. BD y Bodegas de Datos: maneras eficientes de almacenar, accesar y manipular datos Aprend., estadística, soft computing* : desarrollo de técnicas para extraer conocimiento de datos Reconocimiento de patrones: desarrollo de herramientas de clasificación Visualización: interfaz entre humanos y datos/patrones Cómputo de alto desempeño: mejora de desempeño de algoritmos debido a su complejidad y cantidad de datos (*) redes neuronales, lógica difusa, algoritmos genéticos, razonamiento probabilístico

6. Componentes: Interface Evaluación Extracc. Patrones BD Conocimiento Del dominio Interface BD Control Foco de Atención

7. Proceso de KDD P roces o general de descubrimiento de conocimiento útil a partir de datos => KDD involucra interacciones complejas con herramientas heterogéneas.

8. Proceso de KDD P roces o general de descubrimiento de conocimiento útil a partir de datos Tradicional mente una simple tabla en ASCII Tendencia a Bodegas de Datos que están optimizadas para proceso analítico Herramientas de KDD pueden incluir mecanismos para almacenar y accesar datos

9. Proceso de KDD P roces o general de descubrimiento de conocimiento útil a partir de datos S elec ción de conjunto o subconjunto de bases de datos S elec ción de subconjunto de variables a usar en DM S elec cción de muestras de datos (instanc ia s)

10. Proceso de KDD P roces o general de descubrimiento de conocimiento útil a partir de datos Limpieza de datos y preprocesamiento Eliminación de ruido y casos extremos ( si apropia do y neces ario ) Manejo de datos faltantes y desconocidos

11. Proceso de KDD P roces o general de descubrimiento de conocimiento útil a partir de datos Transforma c i ó n al formato requerido por el algoritmo específico de minería de datos

12. Proceso de KDD P roces o general de descubrimiento de conocimiento útil a partir de datos Búsqueda de patrones de interés en una forma particular de representación Pueden expresarse como un modelo, o Como un patrón que expresa cierta dependencia entre datos Incluye clasifica c i ó n, regresi ó n, clustering, r. neuronales...

13. Proceso de KDD P roces o general de descubrimiento de conocimiento útil a partir de datos El modelo: Su función (clasifica c i ó n, regresi ó n, clustering, …) Forma de representa rlo ( función linea l , conjunto de reglas , …) Criterio de preferencia Qué modelo dentro de un conjunto de modelos es el mejor ? Qué conjunto de parámetros del modelo? Estrategia de búsqueda

14. Proceso de KDD P roces o general de descubrimiento de conocimiento útil a partir de datos Proceso de KDD Crucial! Interpreta c i ó n de los patrones descubiertos , puede beneficiarse grandemente usando visualización Puede borrar patrones redundantes o irrelevantes Los patrones pueden compararse con conocimiento previamente almacenado (o extraido)

15. Proceso de KDD P roces o general de descubrimiento de conocimiento útil a partir de datos Realizar acciones Incorpora r el conocimiento descubierto en un sistema de desempeño Document ar el conocimiento y reportarlo a personas interesadas