INSTITUTO TECNOLOGICO DE

VILLAHERMOSA
AUTORES:
• RODRIGUEZ PAZ ANGEL ALEXANDER
• PEREZ PASOZ JAVIER ALEJANDRO
• RAMON DIAZ REYNA NASHELY
• ROMERO RODRIGUEZ ALEXIS

CARRERA:
• ING. SISTEMAS COMPUTACIONALES
• ING. INFORMÁTICA

PLAN: INGENIERIA INFORMATICA

ASIGNATURA: TRATAMIENTO DE DATOS

SEMESTRE: 7

GRUPO: TBD1803_B

DOCENTE: VICTOR MANUEL ARIAS PEREGRINO

FECHA DE ELABORACIÓN: 12 – Octubre - 2022

CUADRO COMPARATIVO
 Técnica Descriptivas
Son métodos descriptivos del análisis de
multivariante, tienen la siguiente
clasificación: clasificación post hoc
Descripción (clustering, segmentación), asociación,
dependencia, reducción de la dimensión,
análisis exploratorio, escalamiento
multidimensional.
1. Árboles de Decisión: Son modelos de
clasificación muy utilizados que tratan de
Métodos encontrar la variable que permita dividir el
dataset en grupos lógicos que son más
diferentes entre sí. Cada árbol se va
descomponiendo en distintas ramas y
hojas que representan cada clasificación
en función de las condiciones que se van
seleccionando hasta llegar a la resolución
del problema.
2. Análisis Bayesiano: Se trata de una
inferencia estadística en la que las
evidencias u observaciones se emplean
para actualizar o inferir la probabilidad de
que una hipótesis pueda ser cierta.
Predictivas
Se trata de métodos explicativos del análisis
multivariante; en donde, las variables se
clasifican en dependiente e independientes. a
su vez se clasifican en regresión, análisis de la
varianza y covarianza, series temporales,
métodos bayesianos, algoritmos genéticos, y
clasificación ad hoc (árboles de decisión,
discriminante, redes neuronales).
1. Agrupación: La agrupación es una de las
técnicas de algoritmos importantes y
populares para el aprendizaje no
supervisado. Este algoritmo encuentra el
patrón y categoriza la recolección de los
datos. En este método, puede procesar los
datos e identificar los grupos a partir de
esos datos.
2. Reducción de dimensiones y/o la selección
de características desempeñan un gran
papel reduciendo las características
haciendo que la clasificación sea más fácil.
3. Análisis de carritos de la compra es una
técnica de modelado basada en la teoría de
que, si se compra un cierto grupo de
3. Series Temporales y Data Mining: Este artículos, es más probable que compres
método combina una mezcla de técnicas otro grupo de artículos.
de data mining tradicional como 4. Estimación de densidad es un concepto
sampleado, clustering y árboles de muy simple que se utiliza principalmente
decisión, con otras de forecasting con el para explorar los datos y encontrar alguna
fin de mejorar las predicciones sobre datos estructura interna.
recopilados como ventas por meses o 5. Agrupamiento o clustering es considerado
trimestres, llamadas por día, o visitas a como una de las técnicas más populares en
nuestra web por hora machine learning no supervisado utilizada
4. Máquinas de Vectores de Soporte (SVM): para agrupar los puntos de datos u objetos
Son algoritmos de aprendizaje automático similares de algún modo.
supervisado de cara a reconocer patrones,
estando relacionados con problemas de
clasificación o regresión.
5. Modelos de Respuesta Incremental: Suele
utilizarse para reducir el Churn o
comprobar la efectividad de diferentes
acciones de Marketing. Se modela el
cambio de probabilidad causado por una
acción.
 Bibliografía
• Hojas, I. M. (2020, enero 1). Aprendizaje Supervisado y No Supervisado. StatDeveloper;
Ignacio Moreno Hojas. https://www.statdeveloper.com/aprendizaje-supervisado-y-no-
supervisado/

• Keyrus. (2022, octubre 10). Las 11 técnicas más utilizadas en el modelado de análisis
predictivos. Linkedin.com. https://www.linkedin.com/pulse/las-11-t%C3%A9cnicas-
m%C3%A1s-utilizadas-en-el-modelado-de-an%C3%A1lisis-predictivos-

• Seguir, L. (s/f). Métodos predictivos y Descriptivos - MINERÍA DE DATOS.

Slideshare.net. Recuperado el 12 de octubre de 2022, de
https://es.slideshare.net/lalopg/mtodos-predictivos-y-descriptivos-minera-de-datos

• Técnicas de minería de datos. (s/f). 1Library.co. Recuperado el 12 de octubre de 2022,

de https://1library.co/article/t%C3%A9cnicas-miner%C3%ADa-datos-
miner%C3%ADa-datos.9yn38lqv