La minera de datos

La minera de datos (la etapa de anlisis del "Descubrimiento de

Conocimiento en Bases de Datos" proceso o KDD), [1] un subcampo
interdisciplinario de ciencias de la computacin, [2] [3] [4] es el proceso de
clculo de descubrir patrones en grandesconjuntos de datos ("Big
Data") que implica mtodos en la interseccin de la inteligencia
artificial, aprendizaje automtico,estadstica y sistemas de bases de
datos. [2] El objetivo general del proceso de minera de datos consiste en
extraer informacin de un conjunto de datos y transformarla en una
estructura comprensible para su uso posterior. [2] Adems de la etapa de
anlisis en bruto, que implica base de datos y gestin de datos
de aspectos, los
datos
pre-procesamiento, el
modelo y la
inferencia consideraciones,
mtricas
Intereses, complejidad consideraciones, post-procesamiento de las
estructuras descubiertas, la visualizacin y actualizacin en lnea . [2]
El trmino es un trmino equivocado, porque el objetivo es la extraccin
de patrones y el conocimiento de la gran cantidad de datos, no la
extraccin de datos en s. [5] Tambin es una palabra de moda [6] y se
aplica con frecuencia a cualquier forma de a gran datos de la escala o
procesamiento
de
la
informacin (recogida, extraccin, almacenamiento, anlisis y
estadsticas), as como cualquier aplicacin del sistema de apoyo a la
decisin
del
ordenador, incluyendo la
inteligencia
artificial, el
aprendizaje automtico y la inteligencia empresarial. El popular libro "La
minera de datos: herramientas de aprendizaje automtico prcticas y
tcnicas con Java"[7] (que abarca principalmente el aprendizaje
automtico de materiales) fue originalmente para ser llamado
simplemente "la mquina de aprendizaje prctico", y el trmino "minera
de datos", slo se ha aadido para razones de marketing. [8] A menudo
los
trminos
ms
generales
"(gran
escala) el
anlisis
de
datos", o "anlisis" - o cuando se refiere a los mtodos actuales, la
inteligencia artificial yaprendizaje automtico - son ms apropiados.
La tarea de minera de datos real es el anlisis automtico o semiautomtico de grandes cantidades de datos para extraer, patrones
interesantes hasta ahora desconocidas, tales como grupos de registros
de datos (anlisis de conglomerados), registros inusuales(deteccin de
anomalas) y dependencias (minera de reglas de asociacin) . Esto
generalmente implica el uso de tcnicas de bases de datos como ndices
espaciales. Estos patrones pueden ser vistos como una especie de
resumen de los datos de entrada, y pueden ser utilizados en otros
anlisis o, por ejemplo, en la mquina de aprendizaje y anlisis
predictivo. Por ejemplo, el paso de la minera de datos puede identificar

varios grupos en los datos, que luego se pueden utilizar para obtener
resultados ms precisos por prediccin de un sistema de soporte de
decisin. Ni la recopilacin de datos, preparacin de datos, ni
interpretacin de los resultados y presentacin de informes son parte de
la etapa de extraccin de datos, pero que pertenecen al proceso general
KDD como pasos adicionales.
El relacionadas trminos dragado de datos, la pesca de datos y
espionaje datos se refieren a la utilizacin de mtodos de minera de
datos para probar las partes de un conjunto de datos de poblacin
mayor que (o puede ser) demasiado pequeo para inferencias
estadsticas fiables que hacer acerca de la validez de cualquier patrones
descubiertos. Estos mtodos pueden, sin embargo, ser utilizados en la
creacin de nuevas hiptesis para probar en contra de las poblaciones
ms grandes de datos.
Contenidos

1 Etimologa

2 Antecedentes
o 2.1 Investigacin y evolucin

3 Proceso
o 3.1 Pre-procesamiento
o 3.2 La minera de datos
o Validacin 3.3 Resultados

4 Normas

5 usos notables

6 preocupaciones de privacidad y la tica

o 6.1 Situacin en Europa
o 6.2 Situacin en los Estados Unidos

Ley 7 Derechos de Autor

o 7.1 Situacin en Europa

o 7.2 Situacin en los Estados Unidos

8 Software
o 8.1 Programas gratis de
aplicaciones de minera

datos

de

cdigo

abierto

o 8.2 Comercial software de minera de datos y aplicaciones

o 8.3 encuestas de mercado

9 Vase tambin

10 Referencias

11 Lectura adicional

12 Enlaces externos

Etimologa
En la dcada de 1960, los estadsticos utilizan trminos como "Pesca de
datos" o "datos de dragado" para referirse a lo que ellos consideraban la
mala prctica de anlisis de datos sin una hiptesis a priori. El trmino
"minera de datos" apareci alrededor de 1990 en la comunidad de base
de datos. Por un corto tiempo en la dcada de 1980, una frase "minera
de base de datos" , se utiliz, pero desde que fue registrado como
marca por HNC, una empresa con sede en San Diego, para lanzar su
base de datos Minera de estacin de trabajo; [9] investigadores
consiguiente recurrieron a "minera de datos ". Otros trminos utilizados
incluyen datos Arqueologa, Informacin cosecha, informacin
Descubrimiento, extraccin de conocimiento, etc. Gregory PiatetskyShapiro acu el trmino "Descubrimiento de Conocimiento en Bases de
Datos" para el primer taller sobre el mismo tema (KDD-1989) y este
trmino se hizo ms popular en la IA y mquina Comunidad de
Aprendizaje. Sin embargo, la minera de datos trmino se hizo ms
popular en las comunidades de negocios y de prensa. [10] En la
actualidad, la minera de datos y descubrimiento de conocimiento se
utilizan indistintamente. Desde aproximadamente 2007, "Anlisis
Predictivo" y desde 2011, los trminos "Ciencia de datos" se utiliza
tambin para describir este campo.
Antecedentes

La extraccin manual de los patrones de datos se ha producido durante

siglos. Los primeros mtodos para identificar patrones en los datos
incluyen el teorema de Bayes (1700) y el anlisis de regresin (1800). La
proliferacin, ubicuidad y el aumento del poder de la tecnologa
informtica ha aumentado dramticamente la recopilacin de datos,
almacenamiento y capacidad de manipulacin. Comolos conjuntos de
datos han crecido en tamao y complejidad, "hands-on" directos anlisis
de datos ha cada vez ms han aumentado con el procesamiento de
datos indirectos, automatizado, con la ayuda de otros descubrimientos
en ciencias de la computacin, tales como las redes neuronales, anlisis
de conglomerados, los algoritmos genticos (1950) , rboles de
decisin y reglas de decisin(1960), y las mquinas de vectores
soporte (1990). La minera de datos es el proceso de la aplicacin de
estos mtodos con la intencin de descubrir patrones ocultos [11] en
grandes conjuntos de datos. Se cierra la brecha de estadstica aplicada y
la inteligencia artificial (que por lo general proporciona la base
matemtica) para la gestin de bases de datos mediante la explotacin
de los datos de manera que se almacena y indexadas en bases de datos
para ejecutar los algoritmos de aprendizaje y descubrimiento reales de
manera ms eficiente, lo que permite que tales mtodos se pueden
aplicar a conjuntos de datos cada vez ms grandes.
La investigacin y la evolucin
El cuerpo profesional de primera clase en el campo es la Association for
Computing Machinery 's (ACM) Grupo de Inters Especial (SIG) en el
Descubrimiento
de
Conocimiento
y
Minera
de
[12] [13]
Datos (SIGKDD).
Desde 1989 este ACM SIG ha acogido una anual
internacional conferencias y publicado sus trabajos, [14] y desde 1999 se
ha
publicado
un
bianual revista
acadmica titulada
"SIGKDD
Exploraciones". [15]
Conferencias ciencias de la computacin en la minera de datos
incluyen:

Conferencia CIKM - ACM Conferencia de Informacin y Gestin del

Conocimiento

DMIN Conferencia - Conferencia Internacional sobre Minera de

Datos

DMKD Conferencia - Temas de Investigacin en Minera de Datos y

Descubrimiento de Conocimiento

ECDM Conferencia - Conferencia Europea sobre Data Mining

ECML-PKDD
Conferencia - Conferencia
Europea
sobre
el
aprendizaje de la mquina y los Principios y Prctica de
Descubrimiento de Conocimiento en Bases de Datos

EDM Conferencia - Conferencia Internacional sobre los Datos

Educativos Minera

Conferencia INFOCOM - IEEE INFOCOM

Conferencia ICDM - IEEE Conferencia Internacional sobre Minera

de Datos

Conferencia KDD - ACM SIGKDD Conferencia de Descubrimiento de

Conocimiento y Minera de Datos

MLDM Conferencia - Aprendizaje Automtico y Minera de Datos en

reconocimiento del patrn

Conferencia PAKDD - El informe anual de la Conferencia AsiaPacfico sobre el Descubrimiento de Conocimiento y Minera de
Datos

PAW Conferencia - Anlisis Predictivo Mundial

SDM Conferencia - SIAM Conferencia Internacional sobre Minera

de Datos (SIAM)

SSTD Simposio - Simposio sobre las bases de datos espaciales y

temporales

Conferencia WSDM - ACM Conferencia sobre bsqueda web y

minera de datos

Temas de minera de datos tambin estn presentes en

muchas conferencias de gestin de datos / base de datos, como
la Conferencia ICDE, Conferencia SIGMOD y Conferencia Internacional
sobre Very Large Bases de Datos
Proceso
El descubrimiento de conocimiento en bases de datos de proceso
(KDD) se define comnmente con las etapas:
(1) Seleccin
(2) Pre-procesamiento

(3) Transformacin
(4) Data Mining
(5) Interpretacin / Evaluacin.

[1]

Existe, sin embargo, en muchas variaciones sobre este tema, como

el proceso estndar de la Cruz de la Industria de la Minera de
Datos (CRISP-DM), que define seis fases:
(1)
(2)
(3)
(4)
(5)
(6)

La comprensin de negocios
La comprensin de datos
Preparacin de datos
Modelado
Evaluacin
Implementacin

o un proceso simplificado tal como (1) pre-procesamiento, (2) la minera

de datos, y (3) los resultados de la validacin.
Encuestas realizadas en 2002, 2004, 2007 y 2014 muestran que la
metodologa CRISP-DM es la metodologa que conduce utilizado por los
mineros de datos. [16] La nica otra norma de minera de datos
denominado en estas encuestas fue SEMMA. Sin embargo, 3-4 veces
ms personas reportaron el uso de CRISP-DM. Varios equipos de
investigadores han publicado opiniones de los modelos de procesos de
minera de datos, [17] [18] y Azevedo y Santos realiz una comparacin de
CRISP-DM y SEMMA en 2008. [19]
Pre-procesamiento
Antes de algoritmos de minera de datos pueden ser utilizados, un
conjunto de datos de destino debe ser montado. Como la minera de
datos slo puede descubrir patrones realmente presentes en los datos,
el conjunto de datos de destino debe ser lo suficientemente grande
como para contener estos patrones sin dejar de ser lo suficientemente
concisa para ser explotado dentro de un lmite de tiempo aceptable. Una
fuente comn de datos es un mercado de datos o Data Warehouse. Preprocesamiento es esencial analizar las variables mltiples conjuntos de
datos antes de la minera de datos. El conjunto blanco se
limpia. Limpieza de datos elimina las observaciones que contienen el
ruido y los que tienen los datos que faltan.
La minera de datos
La minera de datos consiste en seis clases comunes de las tareas:

[1]

La deteccin de anomalas (Outlier / cambiar / deteccin de

desviacin) - La identificacin de los registros de datos inusuales,
que podra haber errores interesantes o datos que requieren
mayor investigacin.

Regla Asociacin aprendizaje (modelado de Dependencia) - La

bsqueda de relaciones entre variables. Por ejemplo, un
supermercado podra recopilar datos sobre los hbitos de compra
de los clientes. El uso de reglas de asociacin, el supermercado
puede determinar qu productos se compran con frecuencia juntos
y utilizar esta informacin para fines de marketing. Esto se refiere
a veces como anlisis de la cesta de mercado.

Clustering - es la tarea de descubrir grupos y estructuras en los

datos que son de alguna manera u otra "similar", sin necesidad de
utilizar las estructuras conocidas en los datos.

Clasificacin - es la tarea de generalizar estructura conocida de

aplicar a los nuevos datos. Por ejemplo, un programa de correo
electrnico podra intentar clasificar un correo electrnico como
"legtimo" o como "spam".

Regresin - intenta encontrar una funcin que los modelos de los

datos con el menor error.

Recapitulacin - proporcionar una representacin ms compacta

del conjunto de datos, incluyendo la visualizacin y la generacin
de informes.

Validacin Resultados
La minera de datos sin querer puede ser mal utilizada, y puede
entonces producir resultados que parecen ser importantes; pero que en
realidad no predecir el comportamiento futuro y no pueden
ser reproducidas en una nueva muestra de datos y dar poco uso. A
menudo, esto es resultado de la investigacin de demasiadas hiptesis y
no realizar correctamente la prueba de hiptesis estadstica. Una versin
simple de este problema en el aprendizaje automtico se conoce
como sobreajuste, pero el mismo problema puede surgir en diferentes
fases del proceso y por lo tanto una divisin de tren / prueba - en su
caso en absoluto -. Puede no ser suficiente para evitar que esto
suceda [ cita requerida]
En esta seccin se encuentra informacin acerca de las
tareas no-clasificacin en la minera de datos. Slo

cubre aprendizaje automtico. Por favor, expanda la seccin

para incluir esta informacin. Pueden existir Ms detalles en
la pgina de discusin. (Septiembre de 2011)
El paso final de descubrimiento de conocimiento a partir de datos es
verificar que los patrones producidos por los algoritmos de minera de
datos se producen en el conjunto de datos ms amplio. No todos los
patrones encontrados por los algoritmos de minera de datos son
necesariamente vlidas. Es comn que los algoritmos de minera de
datos para encontrar patrones en el conjunto de entrenamiento que no
estn presentes en el conjunto de datos general. Esto se
llama overfitting. Para superar esto, la evaluacin utiliza una prueba de
conjunto de datos en los que no se entren el algoritmo de minera de
datos. Los patrones aprendidos se aplican a este conjunto de prueba, y
la salida resultante se compara con la salida deseada. Por ejemplo, un
algoritmo de minera de datos tratando de distinguir el "spam" de
correos electrnicos "legtimos" sera entrenado en un conjunto de
entrenamiento de la muestra e-mails. Una vez capacitados, los patrones
aprendidos se aplicaran a la prueba de conjunto de correos
electrnicos en los que no haba sido entrenado. La precisin de los
modelos se puede medir a partir de la cantidad de e-mails que se
clasifican correctamente. Un nmero de mtodos estadsticos se puede
usar para evaluar el algoritmo, tales comocurvas ROC.
Si los patrones aprendidos no cumplen con los estndares deseados,
posteriormente, es necesario volver a evaluar y modificar los pasos
mineras pre-procesamiento y datos. Si los patrones aprendidos hacer
cumplir los estndares deseados, el ltimo paso es interpretar los
patrones aprendidos y convertirlos en conocimiento.
Normas
Ha habido algunos esfuerzos para definir las normas para el proceso de
minera de datos, por ejemplo, el 1999 Europeo Proceso Cruz estndar
de la industria para la minera de datos(1,0 CRISP-DM) y la 2004 de
datos de Java Minera estndar (JDM 1,0). Desarrollo de sucesores de
estos procesos (2.0 y 2.0 JDM CRISP-DM) estuvo activo en 2006, pero se
ha estancado desde entonces. JDM 2.0 fue retirada sin llegar a un
proyecto final.
Para el intercambio de los modelos extrados - en particular, para su uso
en el anlisis predictivo - la norma fundamental es la Predictive Model
Markup Language (PMML), que es unXML lenguaje basado desarrollado
por el Grupo de Minera de Datos (DMG) y apoyado como formato de
intercambio por muchos aplicaciones de minera de datos. Como su
nombre lo indica, slo cubre los modelos de prediccin, una tarea de

minera de datos en particular de gran importancia para las aplicaciones

de negocio. Sin embargo, las extensiones para cubrir (por ejemplo) la
agrupacin subespacio se han propuesto independientemente de la
DMG. [20]
Usos notables
Artculo principal: Ejemplos de minera de datos
Ver tambin: Categora: Se aplica la minera de datos.
La minera de datos se utiliza siempre que haya datos digitales
disponibles hoy en da. Notables ejemplos de minera de datos se
pueden encontrar en los negocios, la medicina, la ciencia y la vigilancia.
Preocupaciones sobre la privacidad y la tica
Mientras que la "minera de datos" plazo en s no tiene implicaciones
ticas, a menudo asociados con la extraccin de informacin en relacin
con el comportamiento de los pueblos (tica y de otro tipo). [21]
Las formas en que la minera de datos se puede utilizar puede en
algunos casos y contextos plantean cuestiones relativas a la privacidad,
la legalidad y la tica. [22] En particular, el gobierno de minera de datos o
conjuntos de datos comerciales para fines de seguridad o policiales
nacionales,
como
en
el total
Information
Awareness Program
o ADVISE, ha planteado preocupaciones sobre la privacidad. [23] [24]
La minera de datos requiere la preparacin de datos que puede
descubrir informacin o patrones que pueden poner en peligro las
obligaciones de confidencialidad y privacidad. Una forma comn para
que esto ocurra es a travs de la agregacin de datos. La agregacin de
datos implica la combinacin de datos en conjunto (posiblemente de
varias fuentes) de una manera que facilite el anlisis (pero que tambin
puede hacer que la identificacin de los datos privados a nivel individual
deducible o no aparente). [25] Esto no es la minera de datosen s,
sino resultado de la preparacin de los datos antes - y para los fines de el anlisis. La amenaza a la privacidad de un individuo entra en juego
cuando los datos, una vez recopilados, hacen que el minero de datos, o
cualquier persona que tenga acceso al conjunto de datos recin
compilado, para poder identificar a los individuos especficos, sobre todo
cuando los datos fueron originalmente annima. [ 26] [27] [28]
Se recomienda que un individuo se hace consciente
siguiente antes de que se recolect la informacin: [25]

de

lo

la finalidad de la recogida de datos y cualquier (conocidas)

proyectos de minera de datos;

cmo se utilizarn los datos;

que ser capaz de extraer los datos y el uso de los datos y sus
derivados;

el estado de seguridad que rodea el acceso a los datos;

cmo se pueden actualizar los datos recogidos.

Los datos tambin pueden ser modificados a fin de convertirse en el

anonimato, por lo que los individuos no pueden ser fcilmente
identificados. [25] conjuntos Sin embargo, incluso "de identificados" /
"annimos" de datos potencialmente pueden contener suficiente
informacin para permitir la identificacin de los individuos, como
ocurri cuando los periodistas pudieron encontrar varios individuos
sobre la base de un conjunto de historias de bsqueda que se publicaron
de forma inadvertida por AOL. [29]
Situacin en Europa
Europa tiene leyes de privacidad ms fuertes, y los esfuerzos estn en
marcha para fortalecer an ms los derechos de los consumidores. Sin
embargo, los Principios de Puerto Seguro entre Estados Unidos y la
UE actualmente exponga efectivamente usuarios europeos a la
explotacin
privacidad
por
empresas
estadounidenses. Como
consecuencia de Edward Snowden 's divulgacin de vigilancia global, ha
habido una mayor discusin de revocar este acuerdo, ya que, en
particular, los datos sern totalmente expuestos a la Agencia de
Seguridad Nacional, y los intentos de llegar a un acuerdo han
fracasado. [Cita requerida]
Situacin en los Estados Unidos
En Estados Unidos, las preocupaciones de privacidad han sido abordados
por el Congreso de Estados Unidos a travs de la aprobacin de
controles reglamentarios, como el Seguro de Salud de Portabilidad y
Responsabilidad (HIPAA). La HIPAA requiere que los individuos a dar su
"consentimiento informado" con respecto a la informacin que
proporcionan y sus usos actuales y futuros previstos. De acuerdo con un
artculo en Biotech Business Week ', "' [e] n la prctica, HIPAA no puede
ofrecer cualquier mayor proteccin que las regulaciones de larga data
en el campo de la investigacin, dice el AAHC. Ms importante an, el

objetivo de la norma de proteccin a travs de consentimiento

informado est socavado por la complejidad de los formularios de
consentimiento que se requieren de los pacientes y de los participantes,
que se acercan a un nivel de incomprensibilidad a personas
promedio. "[30]Esto pone de relieve la necesidad de mantener el
anonimato de datos en las prcticas de agregacin de datos y minera.
EEUU legislacin privacidad de la informacin, tales como HIPAA y
los Derechos Educativos de la Familia y la Ley de Privacidad (FERPA) se
aplica slo a las reas especficas que cada uno de tales direcciones de
abogados. El uso de la minera de datos de la mayora de los negocios
en los EE.UU. no est controlada por ninguna legislacin.
Ley de Propiedad Intelectual
Situacin en Europa
Debido a la falta de flexibilidad en los derechos de autor Europea y la ley
de bases de datos, la minera de obras con derechos de autor, tales
como la minera web sin el permiso del propietario del copyright no es
legal. Cuando una base de datos son datos puros en Europa no es
probable que sea ningn derecho de autor, pero puede existir derechos
de base de datos por lo que la minera de datos se convierte en objeto
de regulaciones por parte de la Directiva de base de datos. Por
recomendacin del Hargreaves revisar esto llev al gobierno del Reino
Unido a modificar su ley de derechos de autor en el ao 2014 [31] para
permitir la minera contenido como una limitacin y excepcin. Slo el
segundo pas del mundo en hacerlo despus de Japn, que introdujo una
excepcin en 2009 para la minera de datos. Sin embargo, debido a la
restriccin de la Directiva derechos de autor, a excepcin del Reino
Unido slo permite la minera contenido para fines no comerciales. La
ley de derechos de autor del Reino Unido tambin no permite que esta
disposicin a ser anulado por los trminos y condiciones
contractuales. La Comisin Europea facilit la discusin de las partes
interesadas en el texto y los datos de la minera en 2013, bajo el ttulo
de licencias para Europa. [32]El enfoque en la solucin a este problema
legal siendo licencias y no a las limitaciones y excepciones llev a
representantes de universidades, investigadores, bibliotecas , grupos de
la sociedad civil y de acceso abierto a los editores dejan el dilogo de los
interesados en mayo de 2013. [33]
Situacin en los Estados Unidos
A diferencia de Europa, la naturaleza flexible de la ley de copyright de
Estados Unidos, y en particular el uso justo significa que la minera
contenido en Estados Unidos, as como otros pases de uso justo como

Israel, Taiwn y Corea del Sur es visto como siendo legal. Como la
minera contenido es transformadora, es decir que no suplanta la obra
original, que es visto como legtimo bajo el uso justo. Por ejemplo, como
parte del acuerdo de Google libro el presidente del tribunal en el caso
dictamin que el proyecto de digitalizacin de Google de libros con
derechos de autor fue legal, en parte debido a la transformacin utiliza
que el proyecto de digitalizacin muestra -. Un texto bienestar y la
minera de datos [ 34]
Software
Ver tambin: Categora: La minera de datos y el software de aprendizaje
automtico.
El software
aplicaciones

libre

de

cdigo

abierto

minera

de

datos

Carrot2: Texto y resultados marco agrupacin.

Chemicalize.org: Un
bsqueda web.

Elki: Un proyecto de investigacin universitaria con un

avanzado anlisis de conglomerados y la deteccin de valores
atpicos mtodos escritos en Java idioma.

GATE: un procesamiento de lenguaje natural de la herramienta y la

ingeniera lingstica.

KNIME: El Konstanz Informacin Minero, un marco fcil de usar y

de anlisis de datos completos.

Anlisis Online Masivo (MOA): un tiempo real minera flujo de datos

grande con la herramienta concepto de deriva en el Java lenguaje
de programacin.

ML-Flex: Un paquete de software que permite a los usuarios

integrar con los paquetes de aprendizaje automtico de terceros
escritos en cualquier lenguaje de programacin, ejecucin
clasificacin analiza en paralelo a travs de mltiples nodos de
computacin, y producir informes HTML de resultados de la
clasificacin.

Biblioteca MLPACK: una coleccin de algoritmos de aprendizaje

automtico listos para su uso escritas en el C ++ lenguaje.

minero

estructura

qumica

motor

de

NLTK (Kit de herramientas de lenguaje natural): Un conjunto de

bibliotecas y programas para el procesamiento del lenguaje
natural simblico y estadstica (PNL) para el Pythonlenguaje.

OpenNN: Open redes neuronales biblioteca.

Naranja: Una minera de datos

y aprendizaje
automtico suite
en Python lenguaje.

R: Un lenguaje de programacin medio ambiente y el software

para estadstica de computacin, minera de datos y grficos. Es
parte del Proyecto GNU.

SCaViS: Java multiplataforma marco

de
anlisis
desarrollado en el Laboratorio Nacional de Argonne.

API SenticNet: Un recurso semntico y afectiva para la minera de

opinin y anlisis de los sentimientos.

Tanagra: Un software de minera de datos de visualizacin

orientada, tambin para la enseanza.

Antorcha: Un cdigo abierto aprendizaje profundo biblioteca para

el Lua lenguaje de programacin y computacin cientfica marco
con un amplio apoyo para aprendizaje automtico algoritmos.

UIMA: El UIMA (no estructurados Arquitectura Gestin de la

Informacin) es un marco de componentes para el anlisis de
contenido no estructurado como texto, audio y video originalmente desarrollado por IBM.

Weka: Una suite de aplicaciones de software de aprendizaje

automtico escritas en el Java lenguaje de programacin.

basado en componentes
de
software
escrito

de

datos

El software comercial de minera de datos y aplicaciones

Angoss KnowledgeSTUDIO: herramienta

proporcionada por Angoss.

Clarabridge: solucin de anlisis de texto de clase empresarial.

Grafema: minera de datos

proporcionada por iChrome.

de minera

software

de

de datos

visualizacin

HP Vertica Analytics Platform: software de minera de datos

proporcionada por HP.

IBM SPSS Modeler: software de minera de datos proporcionado

por IBM.

KXEN Modeler: herramienta de minera de datos proporcionada

por KXEN.

LIONsolver: una aplicacin de software integrado para la minera

de datos, inteligencia de negocios, y el modelado que implementa
el aprendizaje y el enfoque de optimizacin inteligente (LEN).

Microsoft Analysis Services: software

proporcionada por Microsoft.

Netowl: conjunto de texto y anlisis de entidades productos

multilinges que permiten la extraccin de datos.

OpenText Big Data Analytics: Datos Visuales Minera y Anlisis

Predictivo por Open Text

Oracle Data Mining: software de minera de datos Oracle.

PSeven: plataforma para la automatizacin de simulacin de

ingeniera y anlisis, optimizacin multidisciplinar y la minera de
datos proporcionada por DATADVANCE.

Qlucore micas Explorer:

proporcionada por Qlucore.

RapidMiner: Un entorno de aprendizaje automtico y minera de

datos experimentos.

SAS Enterprise Miner: software de minera de datos proporcionada

por el Instituto SAS.

STATISTICA
Data
Miner: software
proporcionada por Statsoft.

software

de

de

de

minera

minera

minera

de

de

de

datos

datos

datos

Encuestas de mercado
Varios investigadores y organizaciones han llevado a cabo exmenes de
herramientas de minera de datos y encuestas de la minera de

datos. Estos se identifican algunas de las fortalezas y debilidades de los

paquetes de software. Tambin proporcionan una visin general de los
comportamientos, preferencias y opiniones de los mineros de
datos. Algunos de estos informes son:

2011 Wiley Interdisciplinary Comentarios: minera de datos y

descubrimiento de conocimiento [35]

Encuestas Rexer Analytics Data Miner (2007-2013)

Forrester Research 2010 Predictive Analytics y Minera de Datos

Soluciones informe [37]

Gartner 2008 informe "Cuadrante Mgico"

2006 Tres Series de Robert A. Nisbet Parte de los artculos "Data

Mining Herramientas:? Cul es el mejor para CRM" [39]

Haughton et al. 2003 Paquetes de Revisin de la minera de datos

de software en El Estadstico de Amrica [40]

Goebel y Gruenwald 1999 "Una encuesta de minera de datos a

Descubrimiento de Conocimiento Software Herramientas" en
SIGKDD Exploraciones [41]

[36]

[38]

Vase tambin
Mtodos

/ Valor atpico / deteccin de cambios Anomala

Asociacin aprendizaje de reglas

Clasificacin

Anlisis de conglomerados

rbol de decisin

Anlisis factorial

Algoritmos genticos

Minera Intencin

Multilineal aprendizaje subespacio

Redes neuronales

Anlisis de regresin

Secuencia de la minera

Anlisis de datos estructurado

Mquinas de vectores soporte

Extraccin de textos

Los dominios de aplicacin

Analytics

Bioinformtica

Inteligencia de Negocio

Anlisis de los datos

Almacn de datos

Sistema de soporte de decisiones

El descubrimiento de frmacos

Anlisis exploratorio de datos

El anlisis predictivo

La minera Web

Ejemplos de aplicacin
Ver tambin: Categora: Se aplica la minera de datos.

Anlisis de clientes

La minera de datos en la agricultura

La minera de datos en meteorologa

Minera de datos para la Educacin

Agencia de Seguridad Nacional

Polica reforzado ANPR en el Reino Unido

Relacin cuantitativa estructura-actividad

Vigilancia / vigilancia masiva (por ejemplo, Stellar viento)

Temas relacionados
La minera de datos es sobre el anlisis de datos; para obtener
informacin sobre la extraccin de informacin de datos, consulte:

La integracin de datos

Transformacin de datos

Descubrimiento electrnico

Extraccin de informacin

Integracin de la informacin

Reconocimiento entidad nombrada

Profiling (ciencia de la informacin)

Raspado Web

Referencias
1.

^ Un b c Fayyad, Usama; Piatetsky-Shapiro, Gregorio; Smyth,

Padhraic (1996). "A partir de minera de datos para
Descubrimiento
de
Conocimiento
en
Bases
de
Datos"(PDF). Consultado el 17 de diciembre 2008.

2.

^ Un b c d "Currculo de minera de datos". ACM SIGKDD. 200604-30. Consultado el 01/27/2014.

3.

^ Clifton,
Christopher
(2010). "Enciclopedia
Britnica:
Definicin de Minera deDatos". Consultado el 2010-12-09.

4.

^ Hastie,
Trevor; Tibshirani,
Robert; Friedman,
Jerome (2009). "Los elementos de aprendizaje estadstico: Minera
de Datos, Inferencia y prediccin". Consultado el2012-08-07.

5.

^ Han, Jiawei; Dormitorio, Micheline (2001) Data Mining:.

Conceptos
y
tcnicas.Morgan
Kaufmann. p. 5. ISBN 9781558604896. Por lo tanto, la minera de
datos se debera haber llamado ms apropiadamente "la minera
del conocimiento a partir de datos", que es por desgracia un tanto
larga

6.

^ Vase por ejemplo la Conferencia de Otoo OKAIRP 2005,

Arizona State University About.com: Datamining

7.

^ Witten, Ian H.; Frank, Eibe; Hall, Mark A. (30 enero

2011) Data Mining:. Prcticos Herramientas de Aprendizaje
Automtico y Tcnicas (3 ed.). Elsevier.ISBN 978-0-12-374856-0.

8.

^ Bouckaert, Remco R .; Frank, Eibe; Hall, Mark A .; Holmes,

Geoffrey;Pfahringer, Bernhard; Reutemann, Pedro, Witten, Ian
H. (2010). "Experiencias WEKA con un proyecto de cdigo abierto
de Java" Journal of Machine Learning Investigacin 11:.. 2533 a
2541 el ttulo original, "la mquina de aprendizaje prctico", fue
cambiado ... La "minera de datos" plazo se [nuestro]
principalmente para razones de marketing.

9.

^ Mena, Jess (2011). Mquinas Forense de Aprendizaje de

Aplicacin de la Ley, de Seguridad y de Inteligencia. Boca Raton,
FL: CRC Press (Taylor & Francis Group). ISBN 978-1-4398-6069-4.

10.
^ Piatetsky-Shapiro, Gregorio; Parker, Gary (2011). "Leccin:
Minera de Datos y Descubrimiento de Conocimiento: Una
introduccin" Introduccin
a
la
Minera
de
Datos.. KD Nuggets. Consultado el 30 de agosto 2012.
11.
^ Kantardzic, Mehmed (2003) Data Mining:. Conceptos,
modelos, mtodos y algoritmos. John Wiley & Sons. ISBN 0-47122852-4. OCLC 50055336.
12.
^ "Microsoft Academic Search: Top Conferencias en la
minera de datos".Microsoft Academic Search.
13.
^ "Google Acadmico: Top publicaciones - Minera de datos y
anlisis". Google Acadmico.

14.
^ Proceedings, Conferencias
Internacionales
sobre
el
Descubrimiento de Conocimiento y Minera de Datos, ACM, Nueva
York.
15.

^ SIGKDD Exploraciones, ACM, Nueva York.

16.
^ Gregory Piatetsky-Shapiro (2002) KDnuggets Metodologa
Encuesta, Gregory
Piatetsky-Shapiro
(2004) KDnuggets
Metodologa
Encuesta, Gregory
Piatetsky-Shapiro
(2007) KDnuggets Metodologa Encuesta, Gregory PiatetskyShapiro (2014) KDnuggets Metodologa Encuesta
17.
^ scar Marbn, Gonzalo Mariscal y Javier Segovia
(2009); Un Minera de Datos y Descubrimiento de Conocimiento
Modelo de proceso. En la minera de datos y descubrimiento de
conocimiento en las solicitudes de la vida real, libro editado por:
Julio Ponce y Adem Karahoca, ISBN 978-3-902613-53-0., Pp 438453, febrero de 2009, I-Tech, Viena, Austria.
18.
^ Lukasz Kurgan y Petr Musilek (2006); Un estudio de
modelos de procesos de descubrimiento de conocimiento y
minera
de
datos. La
Revista
de
Ingeniera
del
Conocimiento. Volumen 21 Nmero 1, marzo de 2006, pp 1-24,
Cambridge University Press, Nueva York, NY, EE.UU. doi: 10.1017 /
S0269888906000737
19.
^ Azevedo, A. y Santos, MF KDD, SEMMA y CRISP-DM: una
visin paralela. En Actas de la Conferencia Europea IADIS en Data
Mining 2008, pp 182-185.
20.
^ Gnnemann, Stephan; Kremer, Hardy; Seidl, Thomas
(2011). "Una extensin del estndar PMML al subespacio modelos
de clustering" Actas del taller de 2011 sobre el marcado predictivo
Modeling
Language
-.
PMML
'11. p. 48. doi: 10.1145
/
2023598.2023605. ISBN 9781450308373.
21.
^. Seltzer, William "La Promesa y Trampas de la Minera de
Datos: Cuestiones ticas" (PDF).
22.
^ Pitts, Chip (15 de marzo de 2007). "El fin de la ilegal
domstica Espionaje? No contar con ella". Washington Espectador.
23.
^ Taipale, Kim A. (15 de diciembre de 2003). "Minera de
Datos y Seguridad Nacional: Conectando los Puntos de dar sentido
a
los
datos" Columbia
Ciencia
y
Tecnologa
de
la
Ley 5 (2).. OCLC 45263753. SSRN 546.782.

24.
^ Resig, John; y Teredesai, Ankur (2004). "Un Marco para la
Minera Servicios de mensajera instantnea". Actas de la
Conferencia DM SIAM 2004.
25.
^ Un b c Piense antes de cavar: Implicaciones de Privacidad de
Data Mining y agregacin, Breve NASCIO Investigacin, septiembre
de 2004
26.
^ Ohm, Paul. "No Construir una base de datos de la
ruina". Harvard Business Review.
27.
^ Darwin Bond-Graham, Hierro Cagebook - El final lgico de
Patentes de Facebook, Counterpunch.org, 03/12/2013
28.
^ Darwin Bond-Graham, Dentro Conferencia de inicio de la
industria de la tecnologa, Counterpunch.org, 09/11/2013
29.
^ De
datos
de
bsqueda
de
identificados, SecurityFocus, agosto de 2006

AOL

individuos

30.
^ Editores Biotech Business Week (30 de junio de
2008); BIOMEDICINA; Regla
de
Privacidad
HIPAA
Impide
Investigacin Biomdica, Biotech Business Week, recuperado 17
de noviembre 2009 de LexisNexis Academic
31.
^ Los investigadores del Reino Unido Dada Data Mining justo
debajo de Nueva UK Leyes de Copyright. Out-Law.com. Consultado
el 14 de noviembre 2014
32.
^ "Las licencias para Europa - Dilogo Estructurado
Stakeholder 2013" de la Comisin Europea.. Consultado el 14 de
noviembre 2014.
33.
^ "Texto y Minera de Datos: Su importancia y la necesidad
de
cambio
en
Europa"Asociacin
de
Bibliotecas
de
Investigacin Europeas.. Consultado el 14 de noviembre 2014.
34.
^ "Juez otorga sentencia sumaria a favor de Google Libros una
victoria
uso
justo"Lexology.com.. Antonelli
Ley Ltd.
Obtenido 14 de noviembre 2014.
35.
^ Mikut, Ralf; . Reischl, Markus (septiembre-octubre de
2011) "Herramientas de minera de datos". Wiley Interdisciplinary
Comentarios:
Minera
de
Datos
y
Descubrimiento
de
Conocimiento 1 (5):.
Desde
431
hasta
445 doi: 10.1002
/widm.24. Consultado el 21 de octubre 2011.

36.
^ Karl
Rexer,
Heather
Allen,
&
Paul
Gearan
(2011); Comprender Mineros de datos,Analytics Magazine, mayo /
junio de 2011 (INFORMA: Instituto para la Investigacin de
Operaciones y las Ciencias de la Administracin).
37.
^ Kobielus, James; The Forrester Wave: anlisis predictivo y
soluciones de minera de datos, Q1 2010, Forrester Research, 01
de julio 2008
38.
^ Herschel, Gareth; Cuadrante Mgico para aplicaciones
cliente Data-Mining,Gartner Inc., 01 de julio 2008
39.
^ Nisbet, Robert A. (2006); Herramientas de minera de
datos: cul es el mejor para CRM? Parte 1, Informacin Informes
Especiales de Gestin, enero de 2006
40.
^ Haughton,
Dominique; Deichmann,
Joel; Eshghi,
Abdolreza; Sayek,
Selin;Teebagy,
Nicols; y
Topi,
Heikki
(2003); Una revisin de los paquetes de software de minera de
datos, El Estadstico de Amrica, vol. 57, No. 4, pp. 290-309
41.
^ Goebel, Michael; Gruenwald, Le (1999); una encuesta de
Minera de Datos y Descubrimiento de Conocimiento Software
Herramientas, SIGKDD Exploraciones, vol. 1, No. 1, pp. 20-33
Lecturas adicionales

Cabea, Peter; Hadjnian, Pablo; Stadler, Rolf; Verhees, Jaap; y

Zanasi, Alessandro (1997); Descubriendo Minera de datos: del
concepto a la implementacin, Prentice Hall,ISBN 0-13-743980-6

MS Chen, J. Han, PS Yu (1996) "La minera de datos: una visin

general desde la perspectiva de la base de datos". El conocimiento
y datos de ingeniera, IEEE Transactions on8 (6), desde 866 hasta
883

Feldman,
Ronen; y
Sanger,
James; El
texto
Manual
Minera, Cambridge University Press, ISBN 978-0-521-83657-9

Guo, Yike; y Grossman, Robert (editores) (1999); High Performance

Data Mining: Scaling Algoritmos, aplicaciones y sistemas, Kluwer
Academic Publishers

Han, Jiawei, Micheline Dormitorio y Jian Pei Data

Conceptos y tcnicas. Morgan Kaufmann, 2006.

Mining:.

Hastie, Trevor, Tibshirani, Robert y Friedman, Jerome (2001); Los

elementos de aprendizaje estadstico: Minera de Datos, Inferencia
y prediccin, Springer, ISBN 0-387-95284-5

Liu, Bing (2007); Web Minera de Datos: Exploracin de

hipervnculos, contenido y uso de datos, Springer, ISBN 3-54037881-2

Murphy, Chris (16 de mayo de 2011). "Es la Minera de Datos del

discurso libre?". InformationWeek (UMB): 12.

Nisbet, Robert; Elder, John; Miner, Gary (2009); Manual de Anlisis

Estadstico de Datos y Aplicaciones de minera, Academic Press /
Elsevier, ISBN 978-0-12-374765-5

Poncelet, Pascal; Masseglia, Florent; y Teisseire, Maguelonne

(editores) (octubre de 2007); "Modelos de minera de datos:
Nuevos Mtodos y Aplicaciones", Ciencias de la Informacin de
Referencia, ISBN 978-1-59904-162-9

Tan,
Pang-Ning; Steinbach,
Michael; y
Kumar,
Vipin
(2005); Introduccin a la Minera de Datos, ISBN 0-321-32136-7

Theodoridis,
Sergios; y
Koutroumbas,
Konstantinos
(2009); Reconocimiento de Patrones, cuarta edicin, Academic
Press, ISBN 978-1-59749-272-0

Weiss, Sholom M .; y Indurkhya, Nitin (1998); predictivo de minera

de datos, Morgan Kaufmann

Witten, Ian H.; Frank, Eibe; Hall, Mark A. (30 enero 2011) Data
Mining:. Prcticos Herramientas de Aprendizaje Automtico y
Tcnicas (3
ed.). Elsevier. ISBN 978-0-12-374856-0. (Vase
tambin el software gratuito Weka)

Ye, Nong (2003); El Manual de minera de datos, Mahwah, NJ:

Lawrence Erlbaum

Enlaces externos
Wikimedia Commons
minera de datos.

alberga

contenido

multimedia

sobre la

Almacn de datos

Creacin del almacn de datos

Conceptos

Base de datos

Dimensin

Modelado dimensional

Hecho

OLAP

Esquema en estrella

Agregada

Modelado de anclaje

DBMS Columna orientada

Modelado Data Vault

HOLAP

MOLAP

ROLAP

Variantes

Almacn de datos operacional

Diccionario de datos / metadatos

Data mart

Forma normal Sexta

Clave sustituta

Tabla de hechos

Early-llegando hecho

Medida

Tabla de dimensiones

Degenerar

Poco a poco el cambio

Extraccin,
carga (ETL)

Elementos

Hecho

Dimensin

Llenado
transformacin

Extracto

Transformar

Carga

Utilizando el almacn de datos

Conceptos

Inteligencia de Negocio

Tablero

La minera de datos

Sistema
de
apoyo
decisiones (DSS)

Cubo OLAP

Extensiones de minera de datos

(DMX)

Expresiones multidimensionales
(MDX)

XML for Analysis (XMLA)

Herramientas de inteligencia de
negocios

Software

las

Idiomas

Herramientas

de

presentacin

de

informes

Hoja de clculo

Bill Inmon

Ralph Kimball

Comparacin de los servidores OLAP

Productos de almacenamiento de datos y sus

productores

Relacionada

Gente

Productos

Principales secciones de la informtica

Nota: La informtica tambin se puede dividir en diferentes temas o
campos de acuerdo con el Sistema de Clasificacin de Informtica ACM.
Fundamentos
matemticos

La lgica matemtica

Teora de conjuntos

Teora de los nmeros

La teora de grafos

Teora Tipo

Teora de la categora

Anlisis numrico

Teora de la informacin

Combinatoria

lgebra de Boole

Teora de Autmatas

Teora de la computabilidad

Teora de la complejidad computacional

Teora de la computacin cuntica

Anlisis de algoritmos

Diseo de algoritmos

Optimizacin combinatoria

Geometra Computacional

Teora
de
computacin

la

Algoritmos,estru
cturas de datos

Los lenguajes de
programacin,
compiladores

Analizadores

Intrpretes

Programacin de procedimiento

Programacin orientada a objetos

La programacin funcional

La programacin lgica

Paradigmas de programacin

Multiprocesamiento

La computacin grid

Control de concurrencia

Anlisis de requerimientos

Diseo de software

Programacin

Los mtodos formales

Las pruebas de software

Proceso de desarrollo de software

Concurrente,par
alelo,
sistemas
distribuidos

Ingeniera
Software

de

Arquitectura del
sistema

Arquitectura de Computadores

Organizacin ordenador

Sistemas operativos

De audio del ordenador

Enrutamiento

Topologa de la red

Criptografa

Sistemas de gestin de bases de datos

Bases de datos relacionales

SQL

Transacciones

ndices de base de datos

La minera de datos

La computacin afectiva

Telecomunicacio
nes,
la creacin de
redes

Bases de datos

La
inteligencia
artificial,

Aprendizaje
automtico

Inteligencia artificial

Razonamiento automatizado

Lingstica Computacional

Visin por computador

Computacin evolutiva

Sistemas expertos

Representacin del conocimiento

Aprendizaje automtico

Procesamiento del lenguaje natural

Robtica

Visualizacin

La animacin por computadora

Procesamiento de imgenes

Accesibilidad ordenador

Las interfaces de usuario

La computacin usable

Computacin ubicua

Grficos
de
computadora

La
interaccin
personaordenador

Realidad virtual

La vida artificial

Bioinformtica

Ciencia cognitiva

Qumica Computacional

Neurociencia computacional

Fsica Computacional

Algoritmos numricos

Matemtica simblica

Computacin
cientfica

Portal de Informtica

Sub-disciplinas de la informtica

Hardware

Software

Firmware

Sistema
de
informaci
n

Seguridad de informacin

Base de datos multimedia

Base de datos inteligente

Big Data

Los sistemas basados en el conocimiento

Sistema de recomendacin

Sistemas de informacin geogrfica

Sistema de soporte de decisiones

Ingeniera de datos

Ingeniera del Conocimiento

Lgica difusa

Anlisis de los datos

Sistema de anlisis y diseo

Gestin de proyectos

Gestin del conocimiento

La integracin de datos

Computacin de alto rendimiento

Web Semntica

Sistema de administracin de base de datos

Sistema de comunicaciones

Geometra Computacional

Aprendizaje automtico

La minera de datos

Programacin paralela

Teora de la codificacin

Teora de la computacin

Programacin con restricciones

Biologa computacional (Bioinformtica)

Diseo y anlisis de algoritmos

Recuperacin de informacin

La ciencia computacional

La computacin simblica

La computacin distribuida

Computacin evolutiva

Computacin natural

Optimizacin combinatoria

Ciencias
de
la
Computaci
n

Procesamiento en paralelo

Multimedia

La navegacin por satlite (GNSS)

Sistemas embebidos

En tiempo real de computacin

Arquitectura de Computadores

La programacin en parejas

La programacin del sistema

Redes neuronales

Reconocimiento de voz

El anlisis de la seal

Visin por computador (computacin visual)

IC Design

Voz sobre IP

La sntesis de voz

La interaccin persona-ordenador

Microprocesador

Procesamiento de imgenes

Procesamiento del lenguaje natural

Ingeniera
informtic
a

Procesamiento del habla

Procesamiento de seales digitales

Mantenimiento de software

Los mtodos formales

La calidad del software

La garanta de calidad del software

Software Measurement

Software tolerante a fallos

Las pruebas de software

Arquitectura empresarial

Arquitectura de software

Economa Ingeniera de software

Desarrollo gil de software

Patrn de diseo

Modelado de software

Analizador de sistemas

Anlisis orientado a objetos y diseo (UML)

Anlisis de requerimientos

Desarrollo de software

Ingeniera
de
Software

Gestin de configuracin de software

Gestin de proyectos de software

Gestin de ingeniera de software

Proceso de desarrollo de software (Software vida

comunicado de ciclo)

Diseo de software

Implementacin de software

Mejora Software

Seguridad de la red

Transaccin electrnica segura

Evaluacin del Desempeo de la red (QoS)

Computacin en la nube

Enrutamiento

Los sistemas distribuidos (base de datos distribuida)

Teora de la informacin

Red inalambrica

Red de prxima generacin

Red celular

Red de transporte ptico (networking ptico)

Red
de
computad
oras

Criptografa

Simulacin de red

Reconocimiento de patrones

Los administradores de red

Equipo de red

Diseo de red

Ubicua y computacin mvil

Centro de datos

Las comunicaciones mviles

La comunicacin digital

Comunicaciones por satlite

Telecomunicaciones (Red de telecomunicaciones)

ITIL

ITSM

Planificacin de recursos empresariales

Negocio electrnico

Inteligencia de Negocio

Desarrollo de recursos humanos

Gestin de la seguridad

Informtic
a negocio

Gestin de la configuracin

Gestin de la tecnologa

La administracin de energa

Gestin De Servicios

Gestin de proyectos

Gestin de sistemas

Administracin de redes

Gestin de contenido

Gestin de relaciones con clientes

Gestin de incidencias

Gestin de activos

La gestin integrada

Gestin de las comunicaciones

Administrador de sistema

GND: 4428654-5

NDL: 00948240

Control de la Autoridad

Obtenido
de "https://en.wikipedia.org/w/index.php?
title=Data_mining&oldid=682066091"
Categoras:

La minera de datos

Anlisis de los datos

Ciencias formales

Categoras ocultas:

Todos los artculos con declaraciones sin fuentes

Los artculos con declaraciones sin fuentes de enero 2014

Artculos a expandir desde septiembre de 2011

Los artculos con declaraciones sin fuentes de abril 2014

Categora de los Comunes con vnculo local mismo que en

Wikidata

Artculos de Wikipedia con identificadores GND

Men de Navegacin
Herramientas personales

Crear cuenta

Iniciar sesin

Los espacios de nombres

Artculo

Talk

Variantes
Vistas

Leer

Editar

Ver historial

Ms
Buscar
Buscar

Ir

Navegacin

Pagina principal

Contenidos

Contenido Destacado

Eventos actuales

Artculo al azar

Donar a Wikipedia

Tienda de Wikipedia

Interaccin

Ayuda

Acerca de Wikipedia

Portal de la comunidad

Cambios recientes

Contacto pgina

Herramientas

Lo que enlaza aqu

Cambios en enlazadas

Subir archivo

Pginas especiales

Enlace permanente

Informacin de la pgina

Elemento Wikidata

Cite esta pgina

Imprimir / exportar

Crear un libro

Descargar como PDF

Versin imprimible

Idiomas

Azrbaycanca

Catal

etina

Dansk

Deutsch

Eesti

Espaol

Euskara

Franais

Hrvatski

bahasa indonesia

Italiano

Latvieu

Lietuvi

Magiar

Nederlands

Norsk bokml

Polski

Portugus

Romn

Sencillo Ingls

Slovenina

Slovenina

/ srpski

Srpskohrvatski /

Basa Sunda

Suomi

Svenska

Trke

Ting Vit

Editar enlaces

Esta pgina fue modificada por ltima vez el 21 de septiembre de

2015, a las 09:36.

El texto est disponible bajo la Licencia Creative Commons

Reconocimiento-Compartir bajo la misma ; clusulas adicionales
pueden aplicar. Al utilizar este sitio, usted acepta los Trminos de
Uso y Poltica de Privacidad. Wikipedia es una marca registrada
de la Fundacin Wikimedia, Inc., una organizacin sin fines de
lucro.

Poltica de privacidad

Acerca de Wikipedia

Aviso legal

Pngase en contacto con Wikipedia

Desarrolladores

Vista mvil