Documentos de Académico
Documentos de Profesional
Documentos de Cultura
A. Pronóstico: cálculo de las ventas y predicción de las cargas del servidor o C. Identificación de patrones inusuales, hábitos y tendencias.
del tiempo de inactividad del servidor. • Dónde desea almacenar el modelo final
Crear consultas de contenido para recuperar estadísticas, reglas o fórmulas del modelo. Para
4. Clasificación
obtener más información, vea Consultas de minería de datos. Técnicas y herramientas de la minería
a) Análisis de discriminante
Incrustar la funcionalidad de minería de datos directamente en una aplicación. Puede incluir 1. Árbol de decisión
Objetos de administración de análisis (AMO), que contiene un conjunto de objetos que la
aplicación pueda utilizar para crear, cambiar, procesar y eliminar estructuras y modelos de b) Métodos de inducción de regla
2. Red neuronal
minería de datos. Como alternativa, puede enviar mensajes XML for Analysis (XMLA)
directamente a una instancia de SQL Server Analysis Services. Para obtener más información,
c) Aprendizaje por árboles de Decisión
vea Desarrollo (Analysis Services - Minería de datos). 3. Modelado estadístico
d) Redes neuronales
Modelos de Minería de datos 4. Reglas de asociación
e) La K más cercana
La minería de datos tiene como objetivo analizar los datos para extraer conocimiento. Este 5. Agrupamiento
conocimiento puede ser en forma de relaciones, patrones o reglas inferidos de los datos. Estas
relaciones o resúmenes constituyen el modelo de los datos analizados. Existen muchas formas f) Razonamiento basado en caso
6. Algoritmo genético
diferentes de representar los modelos y cada una de ellas determina el tipo de técnica que
puede usarse para inferirlos.
g) Algoritmos genéticos
7. Regresión lineal
En la práctica, los modelos pueden ser de dos tipos: predictivos y descriptivos.
5.Predicción
8. Redes bayesianas
A. Los modelos predictivos pretenden estimar valores futuros o
desconocidos de variables de interés, que se denominan variables a) Análisis de regresión
objetivo, usando otras variables de la base de datos, a las que se conocen
como variables independientes. b) Árboles de regresión
B. Los modelos descriptivos, en cambio, identifican patrones que explican o c) Redes neuronales
resumen los datos, es decir, sirven para explorar las propiedades de los
datos examinados, no para predecir nuevos datos.
d) La K más cercana
Cada tarea puede ser realizada usando distintas técnicas. Por ejemplo, los modelos
inferidos por los árboles de decisión y las redes neuronales pueden inferir modelos e) Métodos de la Caja-Jenkins
predictivos. Igualmente, para una misma técnica se han desarrollado diferentes
algoritmos que difieren en la forma y criterios concretos con los que se construye el f) Algoritmos genéticos
modelo.
6.Análisis de dependencia
Aplicaciones de la minería de datos
a) Análisis de correlación
1. Análisis de datos financieros: se emplea tanto en el sector bancario como en el de las
finanzas. Se busca proveer datos que aseguren que es posible practicar análisis sistemáticos en
condiciones avanzadas y con garantías de fiabilidad. Algunos ejemplos son: b) Análisis de regresión
El proceso de minería de datos comprende varios pasos como crear, probar y trabajar con los
2. Industria minorista: el sector retail recoge grandes cantidades de datos provenientes de las modelos de minería.
ventas, el historial de compra de los clientes o el transporte de mercancías. La cantidad de
datos recogidos continúa expandiéndose rápidamente debido al aumento de la facilidad,
disponibilidad y popularidad de la web y las transacciones online. La minería de datos con sus El proyecto de minería de datos comienza con un plan bien definido de inteligencia comercial.
aplicaciones para la industria minorista ayuda a identificar patrones de compra de los clientes y Los analistas de la empresa definen el problema a resolver y el objetivo concreto de empresa
tendencias. De esta forma, las empresas están en condiciones de proporcionar una mejor que se desea cumplir. Cuanto mejor sea esta formulación inicial, más claras serán las directrices
calidad de servicio al cliente, aumentando su satisfacción y facilitando su retención. Entre estas acerca de los datos y las funciones de minería que se utilizan para conseguir los resultados
aplicaciones destacan las que permiten: deseados.
A. El análisis multidimensional de las ventas, los clientes, los productos, el El proyecto de minería de datos consta de las fases principales siguientes:
tiempo y la región.
1.- Selección y preparación de datos.
B. Los análisis de la eficacia de las campañas de ventas.
2.- Creación del modelo de minería de datos (también denominada fase de preparación).
C. La recomendación personalizada de productos.
Un modelo de minería de datos se crea a partir de un conjunto específico de datos de entrada.
D. Las referencias cruzadas de artículos.
Durante el proceso de creación del modelo, una vez preparados los datos, debe especificar sus
3. Industria de las telecomunicaciones: en este sector, los datos son especialmente decisiones sobre:
importantes para alcanzar una buena comprensión del negocio. La minería de datos y
aplicaciones específicamente diseñadas para este área, ayudan en la identificación de los • Dónde residen los datos de entrada
patrones de telecomunicaciones, facilitan la detección de actividades fraudulentas y posibilitan
el hacer un mejor uso de los recursos, mejorando la calidad del servicio. Entre las más
ventajosas están: • Qué campos de los datos de entrada son apropiados