SET.

2019 EDICIÓN 1

LAS TÉCNICAS EN LA MINERÍA

DE DATOS
Editor: Lic. Marco Antonio Cubillo Murray

CONTENIDO DE LA EDICIÓN
LAS TÉCNICAS
Lic. Marco A. Cubillo M. Análisis Factoriales
Descriptivos
Se pretendemos resolver cualquier problema debemos tener muy
Market Basket Analysis
claro que no existe una única técnica y que deben ser abordados
(Análisis de la Cesta de la
utilizando la técnica que mejor se adapte para hacerle frente.
Compra)
La cantidad de técnicas con la aplicación del enfoque de la Minería Técnicas de Clustering
de Datos es grande y se espera que en un futuro las mismas Series Temporales
crezcan. Redes Bayesianas
Modelos Lineales
Es aquí donde debemos tener bien claro la naturaleza del problema
Generalizados
que vamos a analizar, así podremos seleccionar de una forma más
Previsión Local
precisa cuál técnica se adapta mejor en la búsqueda de una
Redes Neuronales
solución más eficiente y exacta.
Árboles de Decisión
Vamos entonces a repasar algunas de las técnicas que en la Algoritmos Genéticos
actualidad podemos usar y que están incorporadas en la mayoría de Poder de Generalización
los programas que nos permiten llevar a cabo una Minería de Datos Escalabilidad
de forma óptima.

“Los datos son el activo
estratégico de las
compañías por
excelencia».
Christian Gardiner.
«Los datos son el petróleo
del siglo XXI. El despliegue
de sensores y el
incremento de la capacidad
del procesamiento, son
claves en la transformación
de muchos sectores y en la
creación de un mundo más
medible y programable”.
Cesar Alierta.
ANÁLISIS FACTORIALES DESCRIPTIVOS
Lic. Marco A. Cubillo M.
Este tipo de análisis nos permite
crear visualizaciones de realidades
multivariantes complejas de
manera que podremos revelar las
regularidades estadísticas y las
MARKET BASKET ANALYSIS
Lic. Marco A. Cubillo M.
Análisis de la canasta de la
compra, como se le conoce en
español, nos permite detectar que
productos se compran de forma
conjunta, agregando información
técnicas para poder interpretar los
datos como: día, semana,
TÉCNICAS DE CLUSTERING
Lic. Marco A. Cubillo M.
Son las técnicas que inician con
una medida de aproximidad entre
individuos para buscar los grupos
SERIES TEMPORALES
Lic. Marco A. Cubillo M.
A partir de la serie de
comportamiento histórico podemos
modelizar las componentes básicas
de la serie, tendencia, ciclo y
estacionalidad, con el fin de
eventuales discrepancias con
respecto de aquella y por supuesto
podremos sugerir hipótesis de
explicación.
localización y la forma de pago
entre otros, sobre el
comportamiento de la compra.
También nos ayuda aplicarse en
contextos variados como el e-
comercio e incorporarle el factor
temporal.
de individuos más semejantes entre
sí, claro según una serie de
variables medibles.
predecir el futuro, tales como cifre
de ventas, previsión de consumo de
un producto o un servicio.

Tradicionalmente el
objetivo de la minería era la
obtención de carbón. No
obstante, una nueva
generación de mineros ha
aparecido en el inicio de
esta cuarta revolución
industrial. Son los mineros
o exploradores de datos,
que cuales en lugar de
buscar carbón intentan
descubrir patrones en
enormes volúmenes de
datos. Los métodos
utilizados de estos nuevos
profesionales son
la inteligencia artificial, el
aprendizaje automático, la
estadística y sistemas de
base de datos.
REDES BAYESIANAS
Lic. Marco A. Cubillo M.
Sirven para representar todos los
posibles sucesos en que estamos
interesados mediante un grafo de
probabilidades condicionales de
transición entre los posibles
MODELOS LINEALES GENERALIZADOS
Lic. Marco A. Cubillo M.
Son modelos que permiten el
manejo de distintos tipos de
variables de respuesta, por
ejemplo la preferencia entre ciertos
productos concurrentes en el
mercado.
PREVISIÓN LOCAL
Lic. Marco A. Cubillo M.
Se trata de que individuos
parecidos tendrán
comportamientos similares
respecto de una cierta variable de
respuesta.
REDES NEURONALES
Lic. Marco A. Cubillo M.
Se inspiran en un modelo
biológico, consisten en modelos
estadísticos clásicos. Si diferencia
radica en el aprendizaje
secuencial, en el hecho de utilizar
transformaciones de las variables
originales para la predicción y la no
sucesos. Se puede codificar a partir
del conocimiento de un experto o se
puede inferir a partir de los datos.
También nos permite poder
establecer relaciones causales.
Además los modelos estadísticos
se enriquecen cada vez más y se
hacen más flexibles y adaptativos,
lo que permite abordar los
problemas cada vez más complejos
de una forma más eficiente.
La técnica es situar los individuos
en un espacio euclídeo y hacer las
predicciones de su comportamiento
a partir del comportamiento
observado en sus vecinos.
linealidad del modelo.Nos permite
aprender en contextos difíciles, sin
necesidad de precisar la
formulación de un modelo en
concreto. Su principal
inconveniente es que para el
usuario son una caja negra.

Tradicionalmente el
objetivo de la minería era la
obtención de carbón. No
obstante, una nueva
generación de mineros ha
aparecido en el inicio de
esta cuarta revolución
industrial. Son los mineros
o exploradores de datos,
que cuales en lugar de
buscar carbón intentan
descubrir patrones en
enormes volúmenes de
datos. Los métodos
utilizados de estos nuevos
profesionales son
la inteligencia artificial, el
aprendizaje automático, la
estadística y sistemas de
base de datos.
ARBÓLES DE DECISIÓN
Lic. Marco A. Cubillo M.
Obtenemos las reglas de decisión
bajo las cuales operan los
consumidores,
ALGORÍTMOS GENÉTICOS
Lic. Marco A. Cubillo M.
Simulamos el modelo biológico de
la evolución de las especies, claro
a velocidades muy grandes.
Su principio es que cualquier
problema que se nos presente,
como la optimización de una
combinación entre distintas
componentes, estando claro
sujetas a restricciones, puede
PODER DE GENERALIZACIÓN
Lic. Marco A. Cubillo M.
Implica implementar técnicas
eficientes de validación de
resultados, a partir del
conocimiento de la distribución
muestral de los estadísticos del
ESCALABILIDAD
Lic. Marco A. Cubillo M.
Dado el volumen de datos a tratar,
el costo de los algorítmos ha de
ser todo líneal que sea posible
comparado con datos históricos,
brindando una facilidad de
interpretacion.
resolverse mediante algorítmos
genéticos. Una opción es mezclar
los análisis en sistemas híbridos, o
sea combinando la eficiencia en la
resolución de un problema, por
ejemplo usar un algorítmo genético
para iniciar una red neuronal o usar
un árbol de decisión como variable
de entrada en una regresión
logística.
modelo o por métodos
computacionales como la validación
cruzada.
respecto de los parámetros que
definen el costo, en particular
respecto del número de individuos.