Saltar al contenido

Técnicas de minería de datos

Minería de datos

Las técnicas de minería de datos provienen de la inteligencia artificial y de la propia estadística. Se trata de algoritmos que se aplican sobre un conjunto de datos con el objetivo de obtener resultados Las técnicas más representativas que se utilizan en la minería de datos son Las redes neuronales Se trata de un paradigma de aprendizaje y de un procesamiento automatizado que se encuentra inspirado en la manera que funciona el sistema nervioso de los animales. Es un sistema que permite interconectar las neuronas en una red (red neuronal) que presta colaboración para la producción de estímulos de salida. Entre los ejemplos de las redes neuronales se pueden mencionar:

  • La perceptrón (tipo de red neuronal artificial)
  • La perceptrón multicapas
  • Los mapas autoorganizados

La regresión lineal Es una de las técnicas más utilizadas para la formación de relaciones entre datos. Se trata de un sistema rápido y eficaz pero que a su vez cuenta con insuficiencias en los espacios multidisciplinarios donde puedan relacionarse más de 2 variables. Los árboles de decisión Se trata de un modelo de predicción que se utiliza en el campo de la inteligencia artificial a partir de una base de datos en donde se construyen los diagramas de construcciones lógicas. Es un sistema similar a la predicción que está basado en reglas que sirven para la representación de una serie de condiciones que se presentan de manera sucesiva en la resolución de problemas Los modelos estadísticos Se trata de una expresión simbólica en forma de igualdad que es empleada en los diseños experimentales y en la regresión, con la intención de identificar los factores que modifican la variable de respuesta El agrupamiento Consiste en la agrupación de una serie de vectores según determinados criterios que habitualmente son a distancia. Se trata de la disposición de los vectores de entrada de manera que estén más cercanos a los que tengan características comunes Según el objetivo que tenga la realización del análisis los algoritmos se pueden clasificar como algoritmos supervisados, que predicen un dato desconocido inicialmente a partir de otros datos que son de conocimiento previo. Y los algoritmos no supervisados, los cuales descubren patrones y tendencias que se presentan los datos.