Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Minera de Datos
Diplomado
Por
Elizabeth Len Guzmn, Ph.D.
Profesora
Ingeniera de Sistemas
Grupo de Investigacin MIDAS
Agenda
1.Datos
2.Preprocesamiento
3.Anlisis Exploratorio
Datos
Atributos
Atributos
Tid
Refund
Marital
Status
Taxable
Income
Cheat
Yes
Single
125K
No
No
Married
100K
No
No
Single
70K
No
Yes
Married
120K
No
No
Divorced
95K
Yes
No
Married
60K
No
Yes
Divorced
220K
No
No
Single
85K
Yes
No
Married
75K
No
10
No
Single
90K
Yes
10
Minera Ing.
de Datos
- Datos
Elizabeth
Len
Guzmn PH.D
Atributos
Valores son nmeros o smbolos asignados a un
atributo
Mismo atributo puede asignarsele diferentes medidas
Ejemplo: altura se puede medir en pies o metros
Tipos de Atributos
Nominal
Ejemplos: nmeros de identificacin, color de ojos, cdigos
postales
Ordinal
Ejemplos: las clasificaciones (por ejemplo, el sabor de las
patatas fritas en una escala de 1-10), los grados, la altura en
{alto, bajo a medio,}
Intervalo
Ejemplos: las fechas del calendario, las temperaturas en
grados Celsius o Fahrenheit.
Radio (Proporcin)
Ejemplos: temperatura en grados Kelvin, la duracin, hora,
recuentos
Minera Ing.
de Datos
- Datos
Elizabeth
Len
Guzmn PH.D
Atributo
Tipo
descripcin
Ejemplos
Operacin
Nominal
cdigos postales,
nmeros de
identificacin de
empleados, color de
ojos, el sexo:
{hombre, mujer}
moda, la
correlacin de la
entropa, la
contingencia
Ordinal
Edades (nio,
adoslecente,
adulto, mayor)
notas, nmeros de
la calle
Mediana,
percentiles,
rango de
correlacin
Interval
media, desviacin
estndar, la
correlacin de
Pearson, prueba
de t y F
Ratio
temperatura en
grados Kelvin, las
cantidades
monetarias, cuenta,
edad, masa,
longitud, la corriente
elctrica
media
geomtrica,
media armnica,
la variacin
porcentual
Minera Ing.
de Datos
- Datos
Elizabeth
Len
Guzmn PH.D
Discreto
Tiene slo un conjunto finito o infinito numerable de valores
Ejemplos: cdigos postales, cuentas, o el conjunto de las
palabras en una coleccin de documentos
A menudo representado como variables enteras.
Nota: Los atributos binarios son un caso especial de los
atributos discretos
Continuo
Tiene los nmeros reales como valores de atributos
Ejemplos: temperatura, altura o peso.
Prcticamente, los valores reales slo se puede medir y
representar mediante un nmero finito de dgitos.
Los atributos continuos se suelen representar como variables
de punto flotante.
Minera Ing.
de Datos
- Datos
Elizabeth
Len
Guzmn PH.D
Registro
Matriz de datos
Datos del documentos (Espacio vectorial)
Datos transacionales
Grfico
World Wide Web
Estructuras moleculares
Ordenado
Datos espaciales
Datos temporales
Datos secuenciales
Datos de secuencia gentica
Minera Ing.
de Datos
- Datos
Elizabeth
Len
Guzmn PH.D
Minera Ing.
de Datos
- Datos
Elizabeth
Len
Guzmn PH.D
Taxable
Income Cheat
Yes
Single
125K
No
No
Married
100K
No
No
Single
70K
No
Yes
Married
120K
No
No
Divorced 95K
Yes
No
Married
No
Yes
Divorced 220K
No
No
Single
85K
Yes
No
Married
75K
No
10
No
Single
90K
Yes
60K
10
Minera Ing.
de Datos
- Datos
Elizabeth
Len
Guzmn PH.D
Deshacer cambios
Minera Ing.
de Datos
- Datos
Elizabeth
Len
Guzmn PH.D
Minera Ing.
de Datos
- Datos
Elizabeth
Len
Guzmn PH.D
TID
Items
2
3
4
5
Beer, Bread
Beer, Coke, Diaper, Milk
Beer, Bread, Diaper, Milk
Coke, Diaper, Milk
Minera Ing.
de Datos
- Datos
Elizabeth
Len
Guzmn PH.D
2
1
5
2
5
<a href="papers/papers.html#bbbb">
Data Mining </a>
<li>
<a href="papers/papers.html#aaaa">
Graph Partitioning </a>
<li>
<a href="papers/papers.html#aaaa">
Parallel Solution of Sparse Linear System of Equations </a>
<li>
<a href="papers/papers.html#ffff">
N-Body Computation and Dense Linear System Solvers
Minera Ing.
de Datos
- Datos
Elizabeth
Len
Guzmn PH.D
Minera Ing.
de Datos
- Datos
Elizabeth
Len
Guzmn PH.D
An element of
the sequence
Tan,Steinbach, Kumar
Minera
de Datos
- 19
Datos
Ing.
Elizabeth
Len
4/18/2004
Guzmn PH.D
Tan,Steinbach, Kumar
Minera
de Datos
- 20
Datos
Ing.
Elizabeth
Len
4/18/2004
Guzmn PH.D
Conjunto de Datos:
Espacio-temporales de datos
Temperatura
media mensual
de la tierra y el
mar
Minera Ing.
de Datos
- Datos
Elizabeth
Len
Guzmn PH.D
Ruido
Minera Ing.
de Datos
- Datos
Elizabeth
Len
Guzmn PH.D
Valores perdidos
La informacin no se recoge
(Ejemplo, las personas se pueden negar a dar su edad y
peso)
Los atributos no pueden ser aplicables a todos los casos
(Ejemplo, el ingreso anual no es aplicable a los nios)
Manejo de los valores perdidos
Eliminar los objeto
Estimar los valores perdidos
Ignorar el valor perdido durante el anlisis
Remplazar con posibles valores (ponderados por sus
probabilidades)
Minera Ing.
de Datos
- Datos
Elizabeth
Len
Guzmn PH.D
Datos Duplicados
Datos Duplicados
Bibliografia
Introduction to Data Mining. Tan, Steinbach, Kumar. 2006
Minera Ing.
de Datos
- Datos
Elizabeth
Len
Guzmn PH.D