Análisis y aplicación de algoritmos de minería de datos

Contenido principal del artículo

James Ir Salazar Torres
https://orcid.org/0000-0003-1339-8794
Edison Girón Cardenas
https://orcid.org/0000-0003-4393-9854

Resumen

La Minería de Datos es utilizada en diferentes disciplinas para la búsqueda de patrones y modelos ocultos en las Bases de Datos. Esta  generalmente es aplicada en las áreas de negocios y marketing. Sin embargo, su aplicación y uso quedan finalmente a disposición de quienes manejan este conocimiento, por lo que debe de ser trasformado en información útil para los niveles superiores. Materiales y métodos. Unos de los métodos más conocidos para describir atributos de una base de datos son tabla decisión, árbol de decisión, regresión lineal y M5. Conclusión. Se tomaron trece atributos de un cultivo de vinos, a los cuales se les hizo una discriminación y luego se agruparon en un conjunto denominado químicos. El óptimo dentro de este grupo resultaron ser los fenoles totales de acuerdo con los algoritmos aplicados. Por lo cual es el más recomendable de usar para el cultivo.

Referencias

Bezerra (2009). f, wainer j, and v. D. Aaalst, "anomaly detection using process mining. Lecture notes in business information processing," vol. 29, p. 12, 2009.

C. M. Tomás, (2011) "desarrollo y análisis de la utilización de algoritmos de minería de datos para la búsqueda de anomalías y patrones secuenciales en minería de
procesos," pontificia universidad catolica de chile escuela de ingenieria p. 167, 2011

Forina, (1991) parvus, "using chemical analysis determine the origin of wines," machine learning repository, 1991.

García martínez, (1997). "sistemas autónomos: aprendizaje automático," nueva librería, buenos aires, argentina, 1997.

García, (2012)"tecnicas de minería de datos basadas en aprendizaje automatico."

José m. Molina and j. "técnicas de minería de datos basadas en aprendizaje automático," 2012.

Jeffrey w. (2010) , "data mining: an overview," congressional research service ˜ the library of congress, vol. 19

L. C. Peñuela, (2013)."algoritmos para mineria de datos con redes neuraonales " universidad politécnica de madrid facultad de informática p. 170, 2013.

Magdalena, (2002) "algoritmos tdidt aplicados a la mineria de datos inteligente," p. 358, 2002

Molina and j. García, (2012). "técnicas de minería de datos basadas en aprendizaje automático," 2012.

Peñuela, (2013) "algoritmos para mineria de datos con redes neuraonales " universidad politécnica de madrid facultad de informática p. 170, 2013.

S. Michalski, a. B. Baskin, and k. A. Spackman, (1982). a logicbased approach to conceptual database analysis, sixth annual symposium on computer applications on
medical care," george washington university, medical center, washington, dc, ee.uu., 1982.

S. Michalski and g. E. Tecuci, (2012). "machine learning: a multistrategy approach," morgan kauffinan, ee.uu, vol. Iv, 1994.microsoft, "data mining algorithms analysis
services - data mining)," microsoft, vol. 4, 2012. "tecnicas de minería de datos basadas en aprendizaje automatico.