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