Download Metodología de la Minería de Datos

TRABAJO DE MINERIA DE DATOS
WALTER ARLEY CADAVID MARTINEZ
11º
HERNAN VALENCIA
INGENIERO DE SISTEMAS
INTITUCION EDUCATIVA
CIUDAD DON BOSCO
MEDELLIN
2011
INTRODUCCION
En este trabajo en contrarían algunas informaciones de lo que es la minería de
datos y poder saber sobre algunos temas de tecnología e informática en este
trabajo en contrarias ¿Qué es Minería de Datos?, Orígenes de la Minería de
Datos, Clasificación de la Minería de Datos, Características de la Minería de
Datos, Usuarios de la Minería de Datos.
TABLA DE CONTENIDO
1. MINERIA DE DATOS
1.1 Definiciones
La minería de Datos es un campo interdisciplinario que conjunta las
técnicas de aprendizaje automático, reconocimientos de patrones,
estadística, base de datos y visualización, para dirigirla a la extracción e
interpretación de base de datos in mensas.
1.2 ¿Qué es la Minería de datos? Es un mecanismo de explotación,
consistente en la búsqueda de información valiosa en grandes
volúmenes de datos. La minería de datos se centra en llenar la
necesidad de descubrir el por que, para luego predecir y pronosticar las
posibles acciones con cierto factor de confianza para cada predicción.
Es el análisis de archivos y bitácoras de transacciones, trabaja a nivel
del conocimiento con el fin de descubrir patrones, relaciones, reglas,
asociaciones o incluso excepciones útiles para la toma de decisiones.
1.3 Orígenes de la Minería de datos
La minería de datos se ha insertado desde los años 90 en el contexto
de las tecnologías de la información, algoritmia y desarrollo de software.
Las líneas de desarrollo en el ámbito de minería de datos tienen sus
orígenes en tres conceptos importantes.
Estadística Clásica
Inteligencia Artificial
Aprendizaje Automático
Análisis de regresión, desviación estándar, varianza, análisis de
clustering, intervalos de confianza, entre otros. Ciertamente, en las
herramientas y técnicas utilizadas en minería de datos, el análisis de
estadística clásica juega un rol sumamente importante . Esta disciplina
se encuentra basada en heurísticas, de forma opuesta a la estadística,
pero debido a que su implementación necesitaba de computadoras con
un poder de procesamiento alto Podemos describir como la unión de las
estadísticas e Inteligencia Artificial porque conjunta heurísticas con
análisis estadístico avanzado.
1.4 Clasificación de la minería de datos
La Minería de datos puede ser dividida en:
Minería de datos predictiva (MDP)
Minería de datos para descubrimiento de conocimiento (MDDC)
Minería de Datos Usa primordialmente técnicas estadísticas Usa
principalmente técnicas de inteligencia artificial
La Minería de datos puede ser dividida en:
Minería de datos predictiva (MDP)
Minería de datos para descubrimiento de conocimiento (MDDC)
Minería de Datos Usa primordialmente técnicas estadísticas Usa
principalmente técnicas de inteligencia artificial
1.5 Características de la minería de datos:
Las herramientas de la minería de datos se combinan fácilmente y
pueden analizarse y procesarse rápidamente.
Explorar los datos se encuentran en las profundidades de las bases de
datos, como los almacenes de datos, que algunas veces contienen
información almacenada durante varios años.
El entorno de la minería de datos suele tener una arquitectura cliente
servidor
Debido a la gran cantidad de datos, algunas veces resulta necesario
usar procesamiento en paralelo para la minería de datos.
Hurgar y sacudir a menudo implica el descubrimiento de resultados
valiosos e inesperados.
En algunos casos, los datos se consolidan en un almacén de datos y en
mercados de datos; en otros, se mantienen en servidores de Internet e
Intranet.
Los componentes esenciales de la tecnología de Minería de Datos han
estado bajo desarrollo por décadas, en áreas de investigación como:
Estadísticas.
Inteligencia artificial.
aprendizaje de máquinas.
1.6
Usuarios de la Minería de datos:
Metodología de la Minería de Datos
Proceso de la Minería de Datos es el proceso de aplicar a una
determinada base de datos las operaciones requeridas de selección,
exploración, muestre, transformación y métodos de modelado para
extraer los patrones y posteriormente evaluarlos para identificar el
conjunto de ellos que representaran el conocimiento. El proceso de KDD
(Knowledge Discovery in Databases) es un proceso iterativo porque
incluye numerosos pasos en los que el usuario tiene que tomar
decisiones. Es iterativo porque puede ser necesario acceder desde una
fase a cualquiera de las anteriores, e interactivo porque el proceso es
supervisado por el usuario de forma directa. . Consta de 4 pasos : 1.
Selección de Objetivos 2. Preparación de Datos 3. Construcción del
Modelo 4. Análisis de los Resultados.