1 / 25

Minería de Datos. Algo más que el ejemplo del Tenis.

Minería de Datos. Algo más que el ejemplo del Tenis. Sergio Carrillo Vila . Data Platform Engineer – Business Intelligence. Microsoft Business Management Specialist. scarrillovila@solidq.com. Agenda. ¿Qué es la minería de datos? Usos de la minería de datos

levana
Download Presentation

Minería de Datos. Algo más que el ejemplo del Tenis.

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Minería de Datos. Algo más que el ejemplo del Tenis. Sergio Carrillo Vila Data PlatformEngineer – Business Intelligence Microsoft Business Management Specialist scarrillovila@solidq.com

  2. Agenda • ¿Qué es la minería de datos? • Usos de la minería de datos • El ciclo de vida de un proyecto de Minería de Datos • Los datos para Minería de datos. Demo • Algoritmos • Naive-Bayes. Demo • Arboles de decisión. Demo • Reglas de asociación. Demo • Excel como herramienta de Minería de Datos. Demo • Preguntas

  3. ¿Qué es la minería de datos? • Proceso de analizar los datos para encontrar patrones ocultos mediante el uso de metodologías automáticas • Análisis Predictivo • Aumentar el valor de nuestros datos

  4. ¿Qué es la minería de datos? • Generación de Recomendaciones • Detección de Anomalías • Administración de Riegos • Segmentación de Clientes • Previsiones • Anuncios personalizados • … • Usos de la minería de datos

  5. Ciclo de Vida • De un proyecto de Minería de Datos

  6. Los datos para la Minería • Interpretación de los datos • Vista sobre los datos • Estadisticas • Frecuencias • Casos • Atributos • Categóricos o nominales • Rankings • Intervalos • Variables numéricas • Estados

  7. Datos para la minería

  8. Resumiendo • Es importante conocer nuestro dato • No nos vamos a embarcar en un proyecto de mineria sin hacerlo • Es importante interpretar estos datos • No juntemos peras con manzanas  • La exploración de los datos… • Puede mostrarnos anomalías en nuestro negocio • Puede plantearnos nuevos problemas

  9. Algoritmos • Ofrece un método sistemático para aprender basado en los datos. • Cuenta las correlaciones que hay entre la variable que queremos predecir y el resto de variables • Una vez que tiene calculada las correlaciones, aplica las probabilidades. • No puede utilizar atributos continuos para predecir, en el caso de tenerlos, utilizar rangos. • Parámetros • MAXIMUN_INPUT_ATTRIBUTES • MAXIMUN_OUTPUT_ATTRIBUTES • MAXIMUN_STATES • MINIMUM_DEPENDENCY_PROBABILITY • Naive-Bayes

  10. Naive-Bayes

  11. Resumiendo • Naive-Bayes es un algoritmo rápido • Solo para atributos discretos • Visualizaciones desde SSMS y BIDS • DMX como lenguaje de consulta

  12. Algoritmos • Va dividiendo los datos recursivamente en pequeños conjuntos • Evalúa como cada atributo va dividiendo estos conjuntos, colocando en la parte superior los mas restrictivos. • Es un algoritmo de clasificación • Puede ser usado con atributos continuos • Hay que tener cuidado con el sobre entrenamiento • Algunos parámetros • MINIMUN_SUPPORT • SCORE_METHOD • SPLIT_METHOD • Arboles de decisión

  13. Arboles de decisión

  14. Resumiendo • Es un algoritmo fácil de entender • Riego de sobre entrenamiento • Permite el uso de atributos continuos

  15. Algoritmos • Es un algoritmo especialmente diseñado para el analisis de asociaciones • Detecta reglas en nuestros datos • Si A&&B  C • Cuenta la frecuencia de combinaciones de varios estados del atributo • No utiliza probabilidades • Cuando una combinación es muy frecuente, pasa a ser una regla • Parámetros: • (MAXIMUN | MINIMUN)_ITEMSET_SIZE • MAXIMUN_ITEMSET_COUNT • Reglas de asociación

  16. Reglas de Asociación

  17. Resumiendo • Las reglas de asociación nos permite encontrar relaciones entre los valores de los atributos • No es necesario que tengamos los valores en una tabla, podemos utilizar más de una

  18. Excel como herramienta MD • Add-in para Excel 2007 • Da problemas para Excel 2010 • Solo para versiones de 32bits • Permite realizar modelos de forma temporal • Crea una base de datos multidimensional en AS • Vuelca los modelos y estructuras en esa base de datos • Es más fácil para el usuario

  19. Excel como herramienta de Minería de Datos

  20. Resumiendo • Desde Excel podemos crear nuestros modelos de mineria • Tenemos accesibles casi todas la funcionalidad • Podemos explorar los datos • No necesitamos almacenes en base de datos para nuestros datos de mineria

  21. Sergio Carrillo Vila Data PlatformEngineer – Business Intelligence Microsoft Business Management Specialist scarrillovila@solidq.com

  22. Sergio Carrillo Vila Data PlatformEngineer – Business Intelligence Microsoft Business Management Specialist scarrillovila@solidq.com

More Related