Técnicas de mineria de datos

Annotations:

• hola

1. Clasificación o agrupamiento
   1. Análisis de discriminantes lineales de Fisher

1. Decisiones o condiciones organizadas en forma jerárquíca
   1. Facilita la identificación de estructuras en espacios de alta dimensionalidad
      1. Predecir variables categóricas
         1. Distribución de instancias en clases

1. Búsqueda colectivaen el espacio de soluciones.
   1. Siguen los patrones de la evolución biológica.
2. Agrupamiento, clasificación, y reglas de asociación.

1. Naive Byes
   1. Bases de datos reales
      1. Elimina redundancia
2. Cuando tenemos una instancia sin clasificar y queremos saber su probabilidad

1. Pueden contener Predicados más complejos que las simpes comparaciones.
   1. Incorporan de manera natural conocimiento de base .
      1. Pueden usarse para descubrir patrones que afecten a varias relaciones.

1. Máquinas de vectores
   1. Busca un discriminante lineal que maximice la distancia.

1. Permite modelar poblemas complejos
   1. Facilitan la resolucion de la clasificación,regresión y agrupamiento
      1. Variables numericas
2. Grafo dirigido

1. Las condiciones pueden ser comparaciones entre un atributo y uno de los valores de su dominio
   1. Se basan en el concepto de conjuntos de items frecuentes
      1. Utilizan técnicas de conteo y soporte mínimo para obtener las reglas.

1. Las instancias se almacenan en memoria
   1. Cuando llega una nueva, esta se intenta relacionar con las ya almacenadas.
      1. Con esto, se trabaja directamente con ejemplos en lugar de reglas.
         1. Muy útil para trabajar sobre tipos de datos no estándar, como textos o multimedia.