ESCUELA: INSTITUTO TECNOLOGICO DE MERIDA

MATERIA: ANALISIS Y EXTRACCION DE CONOCIMIENTO

ALUMNO: ANGEL YASSIFF ROSADO VELASCO

GRUPO: 9SG

TRABAJO: FASES DE LA MINERIA DE DATOS DEL KDD

MAESTRO: HECTOR CETINA

FECHA: 31/08/12

FASES DE LA MINERIA DE DATOS DEL KDD

El KDD es la extraccin automatizada de conocimiento, informacin o patrones interesantes, previamente desconocidos, potencialmente tiles de grandes Bases de Datos. Las faces del proceso de KDD son las siguientes: Seleccin de datos. Procesamiento. Transformacin. Data Mining. Evaluacin / interpretacin/ visualizacin.

SELECCIN DE DATOS
En esta etapa o proceso de determina cuales van a hacer las fuentes de datos que se pretenden usar y tambin cual va a hacer el tipo de informacin que se pretende utilizar, en esta etapa es prcticamente donde los datos relevantes para los analistas son sacados desde las fuentes de datos.

PROCESAMIENTO
En esta etapa se encarga de la preparacin y limpieza de los datos previamente extrados desde las distintas fuentes de datos utilizadas pero esos datos son extrados de una forma manejable, la cual se podr utilizar en las fases posteriores. En esta etapa se pueden usar diversas estrategias para as poder manejar los datos faltantes o en blanco, esos datos pueden ser inconsistentes o tambin que estn, fuera de su rango, as se puede obtener al final una estructura de datos adecuados para su posterior transformacin.

TRANSFORMA CION
En esta etapa se encarga del tratamiento o transformacin de los datos preliminares, tambin se generan nuevas variables tomando base de las ya existentes pero con una estructura de datos ya apropiada. Tambin se realizan operaciones de agregacin, de esta forma se preparan los datos de una forma ya normal para la siguiente fase.

DATA MINING
Esta etapa es la mas importante por que se encarga del modelamiento de los datos, en donde mtodos inteligentes son aplicados con el objetivo de sacar patrones previamente desconocidos, pero muy tiles y comprensibles, que estn ocultos en los datos.

INTERPRETACION Y EVALUACION
En esta etapa se identifica los patrones o resultados obtenidos y que son realmente importantes para la empresa, basndose en algunas medidas y tambin se realiza una evaluacin de los resultados previamente obtenidos.

Conclusin: Pues al investigar sobre las fases me di cuenta que realmente si se debe de usar la minera de datos ya que nos puede ser muy til a futuro para cualquier empresa ya que se puede hacer una proyeccin a futuro de como puede mejorar nuestra empresa y asi poder aumentar ya sea en clientes , dinero.

Referencias:

REFERENCIAS
[1] Ian H. Witten and Eibe Frank. Data Mining: Practical Machine Learning Tools and Techniques with Java Implementations. Morgan Kaufmann, 2000. [2] Berthold, M.; Hand, D.J. (eds.) Intelligent Data Analysis. An Introduction, Springer, 2ndEdition, 2003. [3] Orallo Hernndez, J.:Quintana Ramrez, Ma. J..:Ramrez Ferri, C.:Introduccin a la Minera de Datos. Prentice Hall, 2004 [4] Fayyad, U. M., Piatetsky-Shapiro, G., Smith, P., Uthurusamy R.: Advances in Knowledge Discovery and Data-Mining, AAAI Press / The MIT Press, 1996. [5] Crivat, B.: SQL Server Data Mining Programmability. . URL: . Fecha de Acceso: Dic 12, 2006. [6] Iyer, Raman and Crivat, Bogdan SQL Server Data Mining: Plug-In Algorithms. . Fecha de Acceso: Dic 13, 2006 URL:http://msdn.microsoft.com/sql/bi/dmining/default.aspx?pull=/library/enus/dnsql90/html/ssdmpia.asp. [7] MacLennan, J.: Unearth the New Data Mining Features of Analysis Services 2005.; development lead for the Data Mining engine in the SQL Server 2005. MSDN Magazine, September 2004. URL: http://msdn.microsoft.com/msdnmag/issues/04/09/AnalysisServices2005/. Fecha de Acceso: Dic 13, 2006. [8] Netz, A.; SQL Server 2000: Data Mining Helps Customers Make Better Business Decisions. Interviewed Netz, Amir; Microsoft SQL Server Development Manager. URL: