Data Mining: Proceso

1. Conjunto de datos requeridos por el cliente El cliente determina los objetivos que quiere conseguir gracias a la Data Mining. "Que quiere el cliente"

2. Abastecimiento de datos Ubicar la fuente de datos. "Donde están los datos"

3. Recolectar los datos Una vez ubicada la fuente de datos procedemos a obtener los mismos para nuestra manipulación. "Colecciono los datos"

4. Identificar los datos relevantes requeridos por el cliente Determinar los datos que me sirven de acuerdo a la solicitud del cliente, en este paso se realiza una limpieza de la información. "Identificar los datos relevantes" 

5. Realizar control de calidad Verificamos si la información cumple con lo requerido por el cliente. "Hacer un chequeo de que datos me sirven" 
   
6. Datos finales entregados al cliente Se verifica que los resultados obtenidos cumplan con lo buscado inicialmente y se entregan al cliente. "Lanzamiento de la información" 

Comentarios

Publicar un comentario

Entradas populares de este blog

Data Mining: Redes Bayesianas

Imagen
Una red Bayesiana es un grafo dirigido sin ciclos donde cada nodo representa una variable, la cual puede ser medible, latente o una hipotesis; y cada enlace o arcos representa una dependencia probabilística. Como ejemplo para describir una red bayesiana podemos considerar una variable aleatoria Z dependiente de otras dos variables (F1 y F2) obtendremos el siguiente grafo de esta relación   (FÉLIX, 2007).      Figura 1 Grafo simple Una definición más practica puede ser Modelo gráfico probabilístico que permite descubrir distribuciones conjuntas complejas (modelos) a partir de distribuciones condicionales locales simples. Es la forma más básica y robusta de obtener conocimientos de entornos inciertos (incertidumbre) .(Feria, 2016) El concepto de redes bayesianas se le atribuye al filósofo e informático Judea Pearl quien, en 1985, y quien es considerado como el padre de las redes bayesianas, revolucionando el campo de la inteligencia artificial...
Leer más