Nombre:

Arely López Bolaños

Materia:
Analítica de datos
Maestro:
Ramon Ernesto Garza de los Santos
Actividad:
Actividad 3. Aplicaciones de Técnicas Cuadro Comparativo
Matricula:
U2003059L0091
Fecha:
30/05/202
TÉCNICAS FUNCIÓN CARACTERÍSTICAS VENTAJAS Y DESVENTAJAS

REDES Su función es mejorar Las redes neuronales son Ventajas:

NEURONALES. la toma de decisiones capaces de solucionar • Alto poder predictivo
en la empresa así problemas complejos a través • Captura de relaciones
dando la aumentación de la unión de muchas complejas.
de las venta e ingresos neuronas. Una red neuronal Desventajas:
y así reducir los costes se asemeja al cerebro • Dificultad de entrenamiento.
de la producción y humano. Está compuesta • Dificultad de Interpretación
generar mejores por perceptrones, la neurona
resultados. del robot. Un perceptrón
recibe información a través de
canales de entrada
llamados dendritas. Una vez
procesada, le da salida a
través de un canal
llamado axón.
REGRESIÓN El objetivo de un La regresión lineal es una Ventajas
LINEAL análisis de regresión técnica de modelado
es determinar la estadístico que se emplea • Fácil de entender y
relación que existe para describir una variable de explicar, lo que
entre una variable respuesta continua como una puede ser muy
dependiente y una o función de una o varias valioso para las
más variables variables predictoras. Puede decisiones de
independientes. Para ayudar a comprender y negocios.
poder realizar esta predecir el comportamiento • Es rápido de modelar
relación, se debe de sistemas complejos o a y es particularmente
postular una relación analizar datos experimentales, útil cuando la
funcional entre las financieros y biológicos. relación a modelar no
variables. es extremadamente
El modelo de compleja y no tiene
regresión lineal mucha información.
permite hallar el valor • Es menos propenso al
esperado de una sobreajuste.
variable aleatoria a Desventajas
cuando b toma un
valor específico.
• No se puede modelar
relaciones complejas.
• No se pueden
capturar relaciones
no lineales sin
transformar la
entrada, por lo que
tienes que trabajar
duro para que se
ajuste a funciones no
lineales.
• Puede sufrir con
valores atípicos.
ARBOLES DE En minería de datos, El árbol se compone de nodos
DECISIÓN un árbol de decisión y ramas. Los nodos de
sirve para abordar decisión representan una
problemas tales como decisión que se tomará, los
la clasificación, la nodos de probabilidad
predicción y la representan los posibles
segmentación de resultados inciertos y los
datos con la finalidad nodos terminales son aquellos
de obtener nodos que representan el
información que resultado definitivo. Las ramas
pueda ser analizada se diferencian en
para tomar decisiones ramificaciones alternativas,
futuras. donde cada rama lleva a un
tipo de resultado y, las ramas
“rechazadas”, que
representan los resultados
que se rechazan. El modelo se
caracteriza porque un mismo
problema puede ser
representado con diferentes
árboles.
Ventajas
• Muy fácil de interpretar y
entender.
• Rápido.
• Robusto al ruido y valores
perdidos.
• Preciso
• Excelente para aprender
relaciones complejas,
altamente no lineales. Por lo
general, pueden lograr un
rendimiento bastante alto,
mejor que la regresión
polinomial.
Desventajas
• Los árboles complejos son
difíciles de interpretar.
• Es posible la duplicación
dentro del mismo subárbol.
• En ocasiones no es utilizado
por ser un algoritmo tan
sencillo y no tan poderoso
para datos complejos.

ANÁLISIS DE Su función consiste en es una fórmula estadística que Ventajas

VARIANZA calcular la media de se utiliza para comparar las • Se puede usar cualquier
(ANOVA) cada uno de los varianzas entre las medias (o numero de tratamientos y
grupos para a el promedio) de diferentes repeticiones, y también se
continuación grupos. Una variedad de puede variar el número de
comparar la varianza contextos lo utilizan para repeticiones de un
de estas medias frente determinar si existe alguna tratamiento a otro.
a la varianza promedio diferencia entre las medias de Desventajas
dentro de los grupos. los diferentes grupos. • Su cálculo puede verse
Bajo la hipótesis nula afectado como resultado del
de que las agrupamiento de los datos en
observaciones de los clases y funciones.
distintos grupos
proceden todos de la
misma población
(tienen la misma
media y varianza), la
varianza ponderada
entre grupos será la
misma que la varianza
promedio dentro de
los grupos. Conforme
las medias de los
grupos estén más
alejadas las unas de
las otras, la varianza
entre medias se
incrementará y dejará
 de ser igual a la
varianza promedio
dentro de los grupos
ANÁLISIS Tiene como variables Es un método utilizado
DISCRIMINANTE independientes en estadística, reconocimiento
continuas y una de patrones y aprendizaje de
variable dependiente máquinas para encontrar
categórica mas bien la una combinación lineal de
etiqueta de clase. rasgos que caracterizan o
separan dos o más clases de
objetos o eventos. La
combinación resultante puede
ser utilizada como
un clasificador lineal, o, más
comúnmente, para la
reducción de dimensiones
antes de la posterior
clasificación.
ADL trabaja cuando las
medidas hechas sobre las
variables independientes para
cada observación son valores
continuos. Al ocuparse de
variables independientes
categóricas, la técnica
equivalente es el análisis
discriminante de
correspondencia
INTELIGENCIA Es capaz de analizar La Inteligencia artificial es el
ARTIFICIAL datos en grandes campo científico de la
cantidades (big data), informática que se centra en
identificar patrones y la creación de programas y
tendencias y, por lo mecanismos que pueden
tanto, formular mostrar comportamientos
predicciones de forma considerados inteligentes. En
automática, con otras palabras, la IA es el
rapidez y precisión. concepto según el cual “las
máquinas piensan como seres
humanos”.
SISTEMAS Los SE están Un Sistema Experto es un
EXPERTOS compuestos por dos sistema que emplea
partes principales: conocimiento humano
• El ambiente de capturado en una
desarrollo y computadora para resolver
problemas que normalmente
Ventajas
• Simplicidad del método.
• Las probabilidades a
posteriori son fáciles de
obtener.
• Disponible en muchos
paquetes de programas
estadísticos.
Desventajas
• Las suposiciones de
No Normalidad e igualdad
de varianza no siempre
se cumple.
• La clasificación de nuevas
observaciones no es muy
eficiente a medida que se
incrementa el número de
variables en el modelo. Se
acostumbra a hacer una
selección de variables antes
de aplicar el método
Ventajas
• Automatización de procesos.
• Reduce el error humano.
• Potencia la creatividad.
• Aporta precisión.
• Agiliza la toma de decisiones.
Desventajas
• Dificultad de acceso a los
datos.
• Falta de profesionales
cualificados.
• Su desarrollo es costoso
Ventajas.
• Permanencia.
• Replicación.
• Rapidez.
• Bajo costo.
• Entornos peligrosos.
 • El ambiente de requieran de expertos • Fiabilidad.
consulta. El ambiente humanos. Los sistemas bien • Consolidar varios
de desarrollo es diseñados imitan el proceso conocimientos.
utilizado por el de razonamiento que los • Apoyo Académico.
constructor para crear expertos utilizan para resolver Desventajas.
los componentes e problemas específicos. Dichos
• Sentido común.
introducir sistemas pueden ser utilizados
• Lenguaje natural.
conocimiento en la por no-expertos para mejorar
• Capacidad de aprendizaje.
base de conocimiento. sus habilidades en la
El ambiente de resolución de problemas. • Perspectiva global.
consulta es utilizado • Capacidad sensorial.
por los no-expertos • Flexibilidad.
para obtener • Conocimiento no
conocimiento experto estructurado.
y consejos.

Referencias

(S/f). Edu.mx. Recuperado el 31 de mayo de 2022, de

https://campusuniversidad.sabes.edu.mx/uc202202/pluginfile.php/5210/mod_resource/c

ontent/1/1.3%20T%C3%A9cnicas%20de%20exploraci%C3%B3n%20de%20datos.pdf

Gonzalez, L. (2019, mayo 3). Ventajas y Desventajas de los Algoritmos de Regresión. Aprende

IA. https://aprendeia.com/ventajas-y-desventajas-de-los-algoritmos-de-regresion-

machine-learning/

Abad, N. (2020, diciembre 9). Qué son las redes neuronales. Agenciab12.mx.

https://agenciab12.mx/noticia/que-son-las-redes-neuronales

Conecta Software. (2020, enero 14). Arboles de decisiones en la minería de datos. Conecta

Software. https://conectasoftware.com/analytics/arboles-de-decisiones-en-la-mineria-de-

datos/