Procesos de Minería de datos

¿Qué es la minería de datos?

El proceso de descubrir conocimiento interesante de grandes cantidades de datos almacenadas en bases de datos, data warehouses u otro repositor  de información (Jiawei Han, Micheline Kamber 2001).

Sinónimos:

·         Descubrimiento de Conocimiento en Bases de Datos.

·         Minería de conocimiento de bases de datos

·         Extracción de conocimiento

·         Análisis de datos y patrones.

·         Arqueología de datos.

Usos de la minería de datos.

• Predecir: Utilizar algunas variables o campos en una base de datos para predecir valores desconocidos o futuros.
• Describir: Encontrar patrones que describan la información (interpretables por el hombre).

Referencias: Jesús Antonio Gonzáles Bernal. Universidad Politécnica de Puebla.

Procesos

Tradicionalmente, las técnicas de minería de datos se aplicaban sobre información contenida en almacenes de datos. 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.

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.

Referencias paginas con información.
http://www.dataprix.com/73-proceso-miner-datos-aplicando-business-intelligence-opensource-pentaho