Un proceso típico de minería de datos consta de los siguientes pasos generales:

  1. Selección del conjunto de datos, tanto en lo que se refiere a las variables objetivo (aquellas que se quiere predecir, calcular o inferir), como a las variables independientes (las que sirven para hacer el cálculo o proceso), como posiblemente al muestreo de los registros disponibles.
  2. Análisis de las propiedades de los datos, en especial los histogramas, diagramas de dispersión, presencia de valores atípicos y ausencia de datos (valores nulos).
  3. Transformación del conjunto de datos de entrada, se realizará de diversas formas en función del análisis previo, con el objetivo de prepararlo para aplicar la técnica de minería de datos que mejor se adapte a los datos y al problema, a este paso también se le conoce como preprocesamiento de los datos.
  4. Seleccionar y aplicar la técnica de minería de datos, se construye el modelo predictivo, de clasificación o segmentación.
  5. Extracción de conocimiento, mediante una técnica de minería de datos, se obtiene un modelo de conocimiento, que representa patrones de comportamiento observados en los valores de las variables del problema o relaciones de asociación entre dichas variables. También pueden usarse varias técnicas a la vez para generar distintos modelos, aunque generalmente cada técnica obliga a un preprocesado diferente de los datos.
  6. Interpretación y evaluación de datos, una vez obtenido el modelo, se debe proceder a su validación comprobando que las conclusiones que arroja son válidas y suficientemente satisfactorias. En el caso de haber obtenido varios modelos mediante el uso de distintas técnicas, se deben comparar los modelos en busca de aquel que se ajuste mejor al problema. Si ninguno de los modelos alcanza los resultados esperados, debe alterarse alguno de los pasos anteriores para generar nuevos modelos.

Si el modelo final no superara esta evaluación el proceso se podría repetir desde el principio o, si el experto lo considera oportuno, a partir de cualquiera de los pasos anteriores. Esta retroalimentación se podrá repetir cuantas veces se considere necesario hasta obtener un modelo válido.

Una vez validado el modelo, si resulta ser aceptable (proporciona salidas adecuadas y/o con márgenes de error admisibles) éste ya está listo para su explotación. Los modelos obtenidos por técnicas de minería de datos se aplican incorporándolos en los sistemas de análisis de información de las organizaciones, e incluso, en los sistemas transaccionales. En este sentido cabe destacar los esfuerzos del Data Mining Group, que está estandarizando el lenguaje PMML (Predictive Model Markup Language), de manera que los modelos de minería de datos sean interoperables en distintas plataformas, con independencia del sistema con el que han sido construidos. Los principales fabricantes de sistemas de bases de datos y programas de análisis de la información hacen uso de este estándar.

Tradicionalmente, las técnicas de minería de datos se aplicaban sobre información contenida en almacenes de datos. De hecho, muchas grandes empresas e instituciones han creado y alimentan bases de datos especialmente diseñadas para proyectos de minería de datos en las que centralizan información potencialmente útil de todas sus áreas de negocio. No obstante, actualmente está cobrando una importancia cada vez mayor la minería de datos desestructurados como información contenida en ficheros de texto, en Internet, etc.

fuente.wikipedia

¿Qué características tienen en común las personas exitosas? ¿Es el éxito fruto de la suerte o es el resultado del esfuerzo de una larga carrera de fondo? ¿Es cuestión de carisma y de cualidades de liderazgo? ...
Facebook lanza la aplicación Slinghot para compartir fotos y videos Facebook anunció el lanzamiento de Slingshot, una aplicación móvil para compartir fotos y videos de forma efímera, informa el periódico digital ‘Inter...
Errores SEO más comunes que debemos evitar La optimización de páginas Web mediante el uso de SEO, se está haciendo cada vez más popular en los países donde hasta hace poco, ni siquiera se conoc...
CSS dinámico con Less Less permite extender CSS con un comportamiento dinámico ayudando de forma importante a todo diseñador web interesado (ahorra tiempo y bytes). Desa...
Class Auto CMS This class can be used to generate a basic content site. It can present a form in an administration page protected with a password to let the admin...
¿Te vas de vacaciones? te gustaría una villa vacacional hecha de legos ¿Qué pasa cuando se combinan los bloques de Lego con la temática playera? La respuesta va mucho más allá de crear un nuevo juego de los famosos bloque...
Ranking Lenguajes de Programación Abril 2012 Tras el liderazgo de Java de este ranking de forma estable durante los dos últimos años, C vuelve a ser el lenguaje de programación más destacado. ...
Historia del Navegador Firefox Desde hace muchos años Firefox está presente en la web, éste navegador se ha convertido en un estandarte dentro de la evolución de Internet en general...
Android le gana terreno al iPad en el mercado de los tablets En el mercado de los tablets, el iPad continúa siendo el rey. No obstante, su reinado ya no parece tan claro e indiscutible como hace unos meses, ya q...
Twitter lanza nueva característica “Moments” permitirá destacar los principales temas en discusión, incluso si el usuario no sigue a determinados tuiteros. Puede ser encontrada pulsando...
El Proceso del Data Mining
Tagged on: