Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
CON WEKA
PRESENTADO POR:
Maria Rosa Daz
Minera de Datos?
Objetivo de la Minera de Datos
Para que sirve la Minera de Datos?
El proceso de KDD
Fases del KDD
Que es WEKA?
Historia de WEKA
Interfaz
Uso Bsico de WEKA.
Conclusiones.
A partir del anlisis de los datos podemos conocer a los clientes, optimizar
las comunicaciones, explicar el pasado buscando anticipar y predecir
comportamientos futuros con datos almacenados en las bases de datos.
un
valor
agregado,
entonces
nos
referimos
al
AREAS DE APLICACION
mbitos financieros y
de negocios
Salud
Sistemas informticos
Ciencia
EJEMPLOS
En los negocios
Los hbitos de compra en los
supermercados
Los fraudes
Los recursos humanos
El comportamiento por Internet
El terrorismo
La ciencia y la ingeniera
1. Orange:
2. RapidMiner
3. WEKA
4. JHepWork
5. KNIME
Seleccin de la fuente de
datos y peparacin (filtrado
Seleccin de
Filtros para
los datos
Desglose del
atributo
seleccionado
Nombres de
los atributos
Estadstica
de los datos
Secuencia de Operaciones
Eleccin del
Clasificador
Porcentaje demasiado optimista, no conviene usarlo
Seleccin de test distintos del entrenamiento.
Porcentaje de acierrtos esperados
Opciones
adicionales para
hacer el test,
Comienza
la
construccin del
clasificador
% de aciertos
desglosados por
clase
Matriz de Confusin
Seleccin de algoritmo
para manejar el cluster.
Resultados.
Recomendaciones
de
informacin de
la
relacin de todos los
registros que ingresamos
Algoritmo Evaluador
Mtodo
Muestra grficamente la
distribucin de todos los
atributos, representando en
los ejes todos los pares de
combinacin de los atributos,
nos
permite
ver
correlaciones y asociaciones
entre atributos de forma
grafica.
La minera de datos es muy importante dentro del proceso global de extraccin de datos
ocultos, previamente desconocidos y potencialmente tiles (KDD), por lo cual merece una
gran atencin y estudio por parte de aquellos quienes tienen la oportunidad de aplicar su
concepto y llevar a cabo el proceso de minera de datos dentro de las organizaciones.
La informacin que sale como resultado de este proceso es clave o principal, la cual al ser
bien manejada e interpretada puede aplicarse como apoyo al proceso de toma de
decisiones en una empresa.
Harjinder S. Gill, P. C. (1996). Data Warehousing "La integracion de la informacion para la mejor
toma de decisiones". Mexico D.F., Mexico: Prentice Hall Hispanoamericaba.
Machine Learning Group at the University of Waikato. Weka 3: Data Mining Software in Java;
[Citado 2014 Enero 3] Disponible en: http://www.cs.waikato.ac.nz/ml/weka/
http://www.ing.unlpam.edu.ar/home/archivos/mineria_datos.pdf
Clark P., B. (2000). Data Minning, Practical Machine Learning Tools and Techniques with Java
Implementations. Morgan Kaufmann Publishers.
Harjinder S. Gill, P. C. (1996). Data Warehousing "La integracion de la informacion para la mejor
toma de decisiones". Mexico D.F., Mexico: Prentice Hall Hispanoamericaba.
Ramirez, J. H. (2004). Introduccion a la Mineria de Datos. Madrid: Pearson Prentice Hall.