Se ha denunciado esta presentación.
Se está descargando tu SlideShare. ×
Anuncio
Anuncio
Anuncio
Anuncio
Anuncio
Anuncio
Anuncio
Anuncio
Anuncio
Anuncio
Anuncio
Anuncio

Eche un vistazo a continuación

1 de 8 Anuncio

Más Contenido Relacionado

Presentaciones para usted (20)

Anuncio

Más de Anyeni Garay (20)

Anuncio

Más reciente (20)

Mineria de datos

  1. 1. Trabajo de Investigación Tema: Minería de Datos Arequipa - Perú
  2. 2. INTRODUCCIÓN La minería de datos es una nueva tecnología de manejo y análisis de información que aprovecha la capacidad existente hoy día de procesamiento, almacenamiento y transmisión de datos a gran velocidad y bajo costo. Permite encontrar el conocimiento contenido en las inmensas montañas de información para luego tomar decisiones mejor fundamentadas para el futuro de una organización. La minería de datos aparece como una de las nuevas tecnologías de manejo, ordenamiento y análisis de los datos, que nos permite encontrar el conocimiento soterrado en las entrañas de las montañas de números, de que se dispone en la actualidad generado por; el aumento en la capacidad en las maquinas procesadoras de datos, la existencia de dispositivos con gran capacidad de almacenamiento de datos a bajo costo, la existencia de sistemas de transmisión de información a grandes velocidades y con mayor confiabilidad. MINERÍA DE DATOS: ¿QUÉ ES? Es el conjunto de técnicas y tecnologías que permiten explorar grandes bases de datos, de manera automática o semiautomática, con el objetivo de encontrar patrones repetitivos, tendencias o reglas que expliquen el comportamiento de los datos en un determinado contexto. (Etapa de análisis de "Knowledge Discovery in Databases" o KDD) Básicamente, el datamining surge para intentar ayudar a comprender el contenido de un repositorio de datos. Con este fin, hace uso de prácticas estadísticas y, en algunos casos, de algoritmos de búsqueda próximos a la Inteligencia Artificial y a las redes neuronales. De forma general, los datos son la materia prima bruta. En el momento que el usuario les atribuye algún significado especial pasan a convertirse en información. Cuando los especialistas elaboran o encuentran un modelo, haciendo que la interpretación que surge entre la información y ese modelo represente un valor agregado, entonces nos referimos al conocimiento. ¿Qué significa Knowledge Discovery in Databases (KDD)? Descubrimiento de conocimiento en bases de datos (KDD) es el proceso de descubrir conocimiento útil a partir de una colección de datos.
  3. 3. ¿PARA QUÉ SIRVE? Es una herramienta que sirve para la extracción de datos y su análisis mediante técnicas estadísticas de grandes bases de datos. Una minería de datos explora y extrae datos ocultos, es una herramienta para conocer más los clientes y la competencia, esta extracción del conocimiento se da gracias a las bases de datos. La minería de datos sirve para prospectar clientes, para saber quiénes son los mejores candidatos para un programa o un producto en especial, es mejor lanzar un producto haciendo una estrategia de mercadeo con una base de datos prospectada. PROCESO DE LA DATA MINING Un proceso típico de minería de datos consta de los siguientes pasos generales: 1. Selección del conjunto de datos, tanto en lo que se refiere a las variables objetivo (aquellas que se quiere predecir, calcular o inferir), como a las variables independientes (las que sirven para hacer el cálculo o proceso), como posiblemente al muestreo de los registros disponibles. 2. Análisis de las propiedades de los datos, en especial los histogramas, diagramas de dispersión, presencia de valores atípicos y ausencia de datos (valores nulos). 3. Transformación del conjunto de datos de entrada, se realizará de diversas formas en función del análisis previo, con el objetivo de prepararlo para aplicar la técnica de minería de datos que mejor se adapte a los datos y al problema, a este paso también se le conoce como preprocesamiento de los datos. 4. Seleccionar y aplicar la técnica de minería de datos, se construye el modelo predictivo, de clasificación o segmentación. 5. Extracción de conocimiento, mediante una técnica de minería de datos, se obtiene un modelo de conocimiento, que representa patrones de comportamiento observados en los valores de las variables del problema o relaciones de asociación entre dichas variables. También pueden usarse varias técnicas a la vez para generar distintos modelos, aunque generalmente cada técnica obliga a un preprocesado diferente de los datos. 6. Interpretación y evaluación de datos, una vez obtenido el modelo, se debe proceder a su validación comprobando que las conclusiones que arroja son válidas y suficientemente satisfactorias. En el caso de haber obtenido varios modelos mediante el uso de distintas técnicas, se deben comparar los modelos en busca de aquel que se
  4. 4. ajuste mejor al problema. Si ninguno de los modelos alcanza los resultados esperados, debe alterarse alguno de los pasos anteriores para generar nuevos modelos. FASES DE LA MINERÍA DE DATOS Un proyecto de minería de datos tiene varias fases necesarias que son, esencialmente: • Comprensión del negocio y del problema que se quiere resolver. • Determinación, obtención y limpieza de los datos necesarios. • Creación de modelos matemáticos. • Validación, comunicación, etc. de los resultados obtenidos. • Integración, si procede, de los resultados en un sistema transaccional o similar. La relación entre todas estas fases sólo es linear sobre el papel. En realidad, es mucho más compleja y esconde toda una jerarquía de subfases. A través de la experiencia acumulada en proyectos de minería de datos se han ido desarrollando metodologías que permiten gestionar esta complejidad de una manera más o menos uniforme. TÉCNICAS DE MINERÍA DE DATOS Las técnicas más usadas en minería de datos son: Redes neuronales.- Son un paradigma de aprendizaje y procesamiento automático inspirado en la forma en que funciona el sistema nervioso de los animales. Se trata de un sistema de interconexión de neuronas en una red que colabora para producir un estímulo de salida. Algunos ejemplos de red neuronal son: • El Perceptrón. • El Perceptrón multicapa. • Los Mapas Autoorganizados, también conocidos como redes de Kohonen.
  5. 5. Regresión lineal.- Es la más utilizada para formar relaciones entre datos. Rápida y eficaz pero insuficiente en espacios multidimensionales donde puedan relacionarse más de 2 variables. Árboles de decisión.- Es un modelo de predicción utilizado en el ámbito de la inteligencia artificial, dada una base de datos se construyen estos diagramas de construcciones lógicas, muy similares a los sistemas de predicción basados en reglas, que sirven para representar y categorizar una serie de condiciones que suceden de forma sucesiva, para la resolución de un problema. Ejemplos: • Algoritmo ID3. • Algoritmo C4.5. Modelos estadísticos.- Es una expresión simbólica en forma de igualdad o ecuación que se emplea en todos los diseños experimentales y en la regresión para indicar los diferentes factores que modifican la variable de respuesta. Agrupamiento o Clustering.- Es un procedimiento de agrupación de una serie de vectores según criterios habitualmente de distancia; se tratará de disponer los vectores de entrada de forma que estén más cercanos aquellos que tengan características comunes. Ejemplos: • Algoritmo K-means. K -means es un método de agrupamiento, que tiene como objetivo la partición de un conjunto n observaciones en k grupos en el que cada observación pertenece al grupo más cercano a la media. Es un método utilizado en minería de datos. • Algoritmo K-medoids. El k algoritmo -medoids es una agrupación algoritmo relacionado con el k -means algoritmo y el algoritmo medoidshift. Tanto los k -means y k algoritmos -medoids son partitional (rompiendo el conjunto de datos en grupos) y tanto intento de minimizar la distancia entre los puntos marcados para estar en un grupo y un punto designado como centro de esa agrupación. ¿DÓNDE SE UTILIZA LA MINERÍA DE DATOS?  Sistemas parcialmente desconocidos: Si el modelo del sistema que produce los datos es bien conocido, entonces no necesitamos de la minería de datos ya que todas las variables son de alguna manera predecibles.
  6. 6.  Enorme cantidad de datos: Al contar con mucha información en algunas bases de datos es importante para una empresa encontrar la forma de analizar “montañas” de información (lo que para un humano sería imposible) y que ello le produzca algún tipo de beneficio.  Potente hardware y software: Muchas de las herramientas presentes en la minería de datos están basadas en el uso intensivo de la computación, en consecuencia, un equipo conveniente y un software eficiente, con el cual cuente una compañía, aumentará el desempeño del proceso de buscar y analizar información, el cual a veces debe vérselas con producciones de datos del orden de los Gbytes/hora ( repetimos,algo humanamente imposible). Objetivos Principales der la Minería de Datos Descripción: El principal producto del proceso de la minería de datos es el descubrimiento de reglas. Estas mostrarán nuevas relaciones entre las variables o excepciones de acuerdo a la empresa en que se utilice este proceso. Predicción (Forecasting): Una vez descubiertas reglas importantes, estas pueden ser utilizadas para estimar algunas variables de salida. Puede ser en el caso de secuencias en el tiempo, o bien en la identificación e interrupción a tiempo, de una futura mala experiencia de crédito. METODOLOGÍA DE LA MINERÍA DE DATOS Un trabajo de minería de datos podríamos decir que típicamente consta de las siguientes partes: 1. Entendimiento del problema: se trata de hablar con el cliente, conocer sus necesidades, conocer su negocio o actividad, conocer qué datos relevantes tiene disponibles y cuáles serían necesarios pero no están disponibles, etc. 2. Entendimiento de los datos: hay que saber qué significan los datos, si son continuos o discretos, qué tipo de valores toman, qué utilidad futura pueden tener y saber si están bien capturados o no. 3. Preparación de datos: se trata de reflexionar sobre cómo guardar los datos. Típicamente hablaremos de tablas con filas y columnas, pero hay que ver cómo se organizan las tablas, cómo se interrelacionan entre ellas, etc. En definitiva organizar los datos para poder sacarles partido. 4. Modelamiento: una vez se tienen los datos organizados hay que definir los algoritmos que se van a utilizar para tratar los datos. Una vez tratados, los datos nos devolverán información útil.
  7. 7. 5. Evaluación: los resultados obtenidos deben de ser sometidos a comprobación, verificar que están libres de errores, ratificar que son útiles para los objetivos perseguidos, etc. 6. Despliegue funcional-comercial: una vez se tiene automatizada la captura y tratamiento de datos para obtener unos resultados, se desarrollan herramientas, normalmente en forma de aplicaciones informáticas que permiten generar alertas, informes, estadísticas, etc. que tienen una utilidad directa para la toma de decisiones y sistema de información del cliente. EJEMPLO DATA MINING EN LA POLICIA EEUU emplea Data Mining para detectar sospechosos Via Nestic, llego a People For The American Way (PFAW), una organización que denuncia los planes del Gobierno estadounidense de utilizar herramientas de data mining para establecer perfiles de posibles sospechosos de terrorismo: “Como parte de su plan para realizar un seguimiento de posibles terroristas, el gobierno de Bush está preparando para recoger grandes cantidades de información sobre todos en los Estados Unidos. En concreto, el Gobierno ha previsto nuevas y enormes datos del gobierno programas de minería para recopilar y analizar los registros de viajes, transacciones bancarias, teléfono llamadas, correo electrónico, las compras con tarjeta de crédito, y prácticamente cualquier otra cosa que deja un rastro. Utilizando criterios secretas, estos datos se extrae de los programas de ordenador para producir listas de vigilancia y perfiles y marcar ciertos individuos como sospechosos”. "Analizando la información con una serie de herramientas estadísticas se puede conocer tu orientación sexual, tus aspiraciones políticas o profesionales, tu vida sentimental… incluso mejor que accediendo a los contenidos de las comunicaciones."
  8. 8. CONCLUSIONES Data mining nos permite analizar factores de influencia en determinados procesos, predecir o estimar variables o comportamientos futuros, segmentar o agrupar ítems similares, además de obtener secuencias de eventos que provocan comportamientos específicos. La llegada del Data Mining se considera como la última etapa de la introducción de métodos cuantitativos, científicos en el mundo del comercio, industria y negocios. Desde ahora, todos los no-estadísticos -es decir el 99,5% de nosotros - pueden construir modelos exactos de algunas de sus actividades, para estudiarlas mejor, comprenderlas y mejorarlas.

×