Capítulo 4. Análisis de Algoritmos del Minado de Datos

En la actualidad existen una gran cantidad de algoritmos y técnicas asociados al Minado de Datos. Todos aportan distintas cosas, y revelan distintos patrones dentro de la información. A continuación se mostrará un sub conjunto de la totalidad de las técnicas, para así ejemplificar lo que pueden ofrecer los algoritmos en general [19].

Esquemas de clasificación

•  
• decision tree inducers

   

• rule learners

   

• naive Bayes

   

• decision tables

   

• locally weighted regression

   

• support vector machines

   

• instance-based learners

   

• logistic regression

   

• voted perceptrons

Esquemas implementados para la predicción numérica:

•  
• linear regression

   

• model tree generators

   

• locally weighted regression

   

• instance-based learners

   

• decision tables

Meta-esquemas existentes:

•  
• bagging

   

• stacking

   

• boosting

   

• regression via classification

   

• classification via regression

   

• cost sensitive classification

Para poder aplicar todas estas técnicas con efectividad máxima, se requiere información limpia, dado que con las bases de datos se mantiene el fenómeno de "Garbage in, Garbage out", por lo que además se requieren una serie de herramientas para preprocesar la información.

Se estudiaron, e implementaron, los algoritmos más importantes de la totalidad, para así mostrar en detalle lo hecho por el algoritmo, lo que pretende entregar y además el algoritmo en sí.

 

 

Copyright Nelson Flores 2001™.

Departamento de Ciencias de la Computacion, Universidad de Chile.