Tecnica Descriptiva
Enviado por macamartinez • 25 de Febrero de 2015 • 358 Palabras (2 Páginas) • 357 Visitas
Técnica descriptiva:
Busca describir la relación encontrada en las bases de datos, genera segmentación o caracterización. Puede ser agrupamientos (Clustering), secuenciación y asociación. (Trabaja con datos nominales, si no lo son los transforma).
Clustering:
Técnica que busca encontrar el agrupamiento natural de los datos según sus semejanzas o patrones en común “Agrupación de datos”.
K-means:
Se utiliza para encontrar los K puntos más densos dentro de un conjunto de datos, donde primero se asigna la cantidad de grupos que quiero formar. Se generan centroides, estos comparan sus datos a su alrededor y se relacionan los datos más cercanos al centroide, generando diferentes grupos.
Asociación:
Busca encontrar asociaciones o correlaciones entre los elementos de la base de datos. Ej: diseño de catálogos y distribución de mercancías en tiendas.
Apriori:
Algoritmo de la regla de asociación, se basa en el conocimiento previo de los conjuntos frecuentes, esto sirve para reducir el espacio de búsqueda y aumentar la eficiencia.
Técnica predictiva:
Son técnicas de aprendizaje supervisados, trabaja con datos nominales y/o numéricos. Estima un valor posible para un conjunto de datos, pueden ser redes neuronales.
Redes neuronales:
Son múltiples capas e donde se procesa la información y se proporciona un resultado a través de los datos.
1ra capa-> Por donde entra la información.
1 o más capas medias -> Por donde se procesa la información.
Última capa de salida -> Proporciona resultados de la red.
Layer:
1 capa de procesamiento, y los datos se van clasificando según la importancia que tenga, así obteniendo resultados.
Multi Layer:
Más de 1 capa de procesamiento, y los datos se van clasificando según la importancia que tenga, así obteniendo resultados.
Arboles de decisiones:
Técnica de predicción que dada una base de datos se construye un diagrama de relaciones lógicas, que sirven para representar y categorizar una serie de condiciones que ocurren de forma sucesiva.
J48:
Genera valorización a los atributos y el más importante lo pone como rama principal, luego con los atributos que quedan hace lo mismo y los elige como sub-ramas y así sucesivamente hasta llegar a la clase.
SMV:
Máquinas de vectores de soportes construyen un hiperplano, conjunto de hiperplanos en un espacio de dimensiones muy alta. Una buena separación entre las clases permitirá una clasificación correcta.
SMO:
Agrega dimensionalidad al problema, hasta llegar a un hiperplano separador.
...