Intelligent Databases and Information Systems research group
Department of Computer Science and Artificial Intelligence
E.T.S Ingeniera Informtica Universidad de Granada (Spain)
Fundamentos de Minera de Datos
Introduccin al Data Mining
Fernando Berzal fberzal@decsai.ugr.es 1
Extraccin de patrones (conocimiento) en grandes cantidades de datos
Qu es la minera de datos? Definicin Tcnicas de Data Mining Evaluacin de resultados Sistemas de Data Mining Temas de investigacin Bibliografa 2
Extraccin de patrones (conocimiento) en grandes cantidades de datos
Requisitos No trivial Implcito Previamente desconocido Potencialmente til Qu es la minera de datos? Definicin Tcnicas de Data Mining Evaluacin de resultados Sistemas de Data Mining Temas de investigacin Bibliografa 3 Qu es la minera de datos? Definicin Tcnicas de Data Mining Evaluacin de resultados Sistemas de Data Mining Temas de investigacin Bibliografa Data rich, Information poor Conocimiento (patrones interesantes) 4 Extraccin de conocimiento en bases de datos KDD (Knowledge Discovery in Databases) Definicin Tcnicas de Data Mining Evaluacin de resultados Sistemas de Data Mining Temas de investigacin Bibliografa 5 Extraccin de conocimiento en bases de datos Limpieza de datos (eliminacin de ruido e inconsistencias) Integracin de datos (combinacin de mltiples fuentes de datos) Reduccin/Seleccin de datos (identificacin de datos relevantes para el problema) Transformacin de datos (preparacin de los datos para su anlisis) Minera de datos (tcnicas de extraccin de patrones y medidas de inters) Presentacin de resultados (tcnicas de visualizacin y de representacin del conocimiento)
KDD (Knowledge Discovery in Databases) Definicin Tcnicas de Data Mining Evaluacin de resultados Sistemas de Data Mining Temas de investigacin Bibliografa 6 Extraccin de conocimiento en bases de datos KDD (Knowledge Discovery in Databases) Definicin Tcnicas de Data Mining Evaluacin de resultados Sistemas de Data Mining Temas de investigacin Bibliografa 7 Carcter multidisciplinar Data Mining Bases de datos Estadstica IA Visualizacin Aprendizaje Representacin del conocimiento Evaluacin de resultados Resumen de datos Presentacin de resultados Gestin de grandes cantidades de datos Definicin Tcnicas de Data Mining Evaluacin de resultados Sistemas de Data Mining Temas de investigacin Bibliografa 8
En funcin de su propsito general: Tcnicas descriptivas Tcnicas predictivas
Tambin se pueden clasificar atendiendo a el tipo de datos que hay que analizar el tipo de conocimiento que se obtiene el tipo de herramienta que utiliza el dominio de aplicacin
Clasificacin de tcnicas Definicin Tcnicas de Data Mining Evaluacin de resultados Sistemas de Data Mining Temas de investigacin Bibliografa 9
Bases de datos relacionales Bases de datos multidimensionales (DW) Bases de datos transaccionales Series temporales, secuencias y data streams Datos estructurados (grafos, redes sociales) Datos espaciales y espaciotemporales Textos e hipertextos (p.ej. Web) Bases de datos multimedia (p.ej. imgenes)
Fuentes de datos Definicin Tcnicas de Data Mining Evaluacin de resultados Sistemas de Data Mining Temas de investigacin Bibliografa 10
Caracterizacin o resumen Discriminacin o contraste Patrones frecuentes, asociaciones y correlaciones Clasificacin y prediccin Deteccin de agrupamientos (clustering) Deteccin de anomalas (outliers) Anlisis de tendencias (series temporales) Tcnicas de Data Mining Definicin Tcnicas de Data Mining Evaluacin de resultados Sistemas de Data Mining Temas de investigacin Bibliografa 11
Un resultado es interesante si es comprensible (por seres humanos) es vlido con cierto grado de certeza es potencialmente til es novedoso o sirve para validar una hiptesis
El inters de los resultados se puede evaluar objetivamente (criterios estadsticos) subjetivamente (perspectiva del usuario) Evaluacin de resultados Definicin Tcnicas de Data Mining Evaluacin de resultados Sistemas de Data Mining Temas de investigacin Bibliografa 12 Una tarea de minera de datos puede describirse en trminos de Datos relevantes (lo que hay que analizar) Tipo de conocimiento (lo que se desea obtener) Conocimiento previo (background knowledge, para guiar el proceso) Medidas de inters (para evaluar los resultados obtenidos) Tcnicas de representacin (para representar los resultados obtenidos) Sistemas de Data Mining Definicin Tcnicas de Data Mining Evaluacin de resultados Sistemas de Data Mining Temas de investigacin Bibliografa 13 Sistemas de Data Mining Arquitectura tpica Limpieza, integracin, seleccin y transformacin de datos Base de datos o Data Warehouse Motor de minera de datos Evaluacin de patrones Interfaz de usuario DB DW WWW
Base de conocimiento Definicin Tcnicas de Data Mining Evaluacin de resultados Sistemas de Data Mining Temas de investigacin Bibliografa 14 Temas de investigacin Tcnicas eficientes de minera de datos Escalabilidad Tcnicas incrementales Algoritmos paralelos Incorporacin de conocimiento previo Evaluacin de resultados (inters) Interaccin con el usuario Tcnicas interactivas (a distintos niveles de abstraccin) Tcnicas de presentacin y visualizacin de resultados Anlisis de nuevos tipos de datos Estructuras complejas (grafos, redes sociales) Bases de datos heterogneas Definicin Tcnicas de Data Mining Evaluacin de resultados Sistemas de Data Mining Temas de investigacin Bibliografa 15 Bibliografa: Libros de texto Jiawei Han & Micheline Kamber: Data Mining: Concepts and Techniques Morgan Kaufmann, 2006, ISBN 1558609016
Pang-Ning Tan, Michael Steinbach & Vipin Kumar: Introduction to Data Mining Addison-Wesley, 2006, ISBN 0321321367
Definicin Tcnicas de Data Mining Evaluacin de resultados Sistemas de Data Mining Temas de investigacin Bibliografa 16 Bibliografa: Investigacin REVISTAS ACM Transactions on KDD IEEE Transactions on Knowledge and Data Engineering Data Mining and Knowledge Discovery (DMKD) ACM SIGKDD Explorations Data & Knowledge Engineering (DKE)
CONGRESOS KDD (ACM SIGKDD International Conference on KDD) ICDM (IEEE International Conference on Data Mining) SDM (SIAM Data Mining Conference) PKDD (Principles and Practices of KDD) SIGMOD (Management of Data) CIKM (Information and Knowledge Management)
WEB: http://www.kdnuggets.com/ Definicin Tcnicas de Data Mining Evaluacin de resultados Sistemas de Data Mining Temas de investigacin Bibliografa