Knowledge Discovery in Databases (KDD)

1.-Selección de datos
1. Funtes de datos
  1. Internas
    1. Sistemas Transacionales de la Organización
      1. RH
      2. Finanzas
      3. Ventas
      4. Proveedores
  2. Externas
    1. Información Pública
      1. Encuestas
      2. Balanza comercial
      3. Tipo de cambio
      4. Datos demográficos
    2. Información Financiera
      1. Balance de las empresas
    3. Recopilación de la información
2. Tipo de información
3. Integración de información DW
2.- Preprocesamiento
1. Preparación y Limpieza
  1. Tipos de error
  2. Datos ausentes
  3. Corrección de datos
  4. Selección de variables relevantes
2. Selección de la información
  1. Subconjunto de datos
3.- Transformación
1. Transformación de datos
2. Generación de nuevas variables
  1. Datos agrupados
  2. Datos calculados
3. Homologación de la información
4. Determinación de muestras estadísticas
4.- Minería de datos
1. a) Determinación de tareas
  1. Problema a resolver
  2. Algoritmo de minería de datos
    1. Requisitos propios
    2. Tipo de datos
  3. Agrupación de acuerdo a su enfoque
    1. Predictivas
      1. Clasificación
      2. Regresión
    2. Descriptivas
      1. Agrupamiento o clustering
      2. Correlación
      3. Reglas de asociación
      4. Reglas de asociación secuenciales
2. b) Método a utilizar
  1. Inferencia estadística
  2. Árboles de decisión
  3. Redes neuronales
  4. Inducción de reglas
  5. Aprendizaje basado en instancias
  6. Algoritmos genéticos
  7. Aprendizaje bayesiano
  8. Programación lógica inductiva
  9. Métodos basados en núcleos
3. c ) Selección de algoritmo
  1. Datos
  2. Problematica
5.- Interpretación y evaluación
1. Criterios distintos y subjetivos
  1. Preciso
  2. Comprensible
  3. Útil
  4. Novedoso
2. Conjunto de datos
  1. Datos de Entrenamiento
  2. Datos de prueba
3. Métodos
  1. Validación simple
  2. Validación cruzada
  3. Validación cruzada de n pliegues
  4. Bootstrapping
4. Medida de evaluación
  1. Tecnica de minería
    1. Evaluación y entendimiento del contexto real en el cual se utilizará el modelo
    2. Evaluación de patrones y análisis por parte de los expertos
5. Retroalimentación a etapas anteriores
0.- Análisis de Necesidades
1. Definición del problema
2. Priorización de proyectos

Siguiente

Knowledge Discovery in Databases (KDD)

Descripción

Resumen del Recurso

Similar

	Creado por Jaime Valencia Vargas hace más de 6 años