"INTRODUCCIÓN A LA MINERÍA DE DATOS"

José Hernández Orallo, M.José Ramírez Quintana, Cèsar Ferri Ramírez
Editorial Pearson, 2004. ISBN: 84 205 4091 9

Pearson España: www.pearson-educacion.com
Pearson Latinoamérica: www.pearsoneducacion.net
(en ambos casos los catálogos pueden no estar actualizados, pero el libro está disponible en todo el mundo hispanohablante)




RESUMEN:

“Introducción a la minería de datos” es un libro de minería de datos que describe, de una manera metodológica y pragmática, el proceso de extracción de conocimiento a partir de datos. Se explica el proceso en su conjunto, sus motivaciones y beneficios, estableciendo conexiones con las disciplinas relacionadas y los sistemas con los que debe integrarse. El libro contrasta y despliega, mediante numerosos ejemplos realizados en paquetes de minería de datos, las técnicas que se requieren en cada fase del proceso: técnicas de preparación y almacenes de datos, técnicas propias de extracción de modelos (clasificación, agrupamiento, regresión, asociación, etc.) y técnicas de evaluación y difusión del conocimiento extraído.


AUTORES COLABORADORES:

Tomàs Aluja Banet
Universitat Politècnica de Catalunya

Xavier Carreras Pérez
Universitat Politècnica de Catalunya

Emilio S. Corchado Rodríguez
Universidad de Burgos

Mª José del Jesus Díaz
Universidad de Jaén

Pedro Delicado Useros
Universitat Politècnica de Catalunya

Vicent Estruch Gregori
Universitat Politècnica de València

Colin Fyfe
University of Paisley, Reino Unido

José Antonio Gámez Martín
Universidad de Castilla-La Mancha

Ismael García Varea
Universidad de Castilla-La Mancha

Pedro González García
Universidad de Jaén

Francisco Herrera Triguero
Universidad de Granada

Pedro Isasi Viñuela
Universidad Carlos III de Madrid

Lluís Màrquez Villodre
Universitat Politècnica de Catalunya

José Miguel Puerta Callejón
Universidad de Castilla-La Mancha

Enrique Romero Merino
Universitat Politècnica de Catalunya


ÍNDICE:

Índice de contenido......................................................................................................... VII
Prefacio.......................................................................................................................... XIII
Motivación y objetivos del libro............................................................................................................... XIII
Destinatarios..................................................................................................................................................... XV
Organización e itinerarios.......................................................................................................................... XVI
Terminología................................................................................................................................................. XVIII
Agradecimientos......................................................................................................................................... XVIII

PARTE I: INTRODUCCIÓN

Capítulo 1  ¿Qué es la minería de datos?............................................................. 3

1.1 Nuevas necesidades..................................................................................................................................... 3
1.2 El concepto de minería de datos. Ejemplos.......................................................................................... 5
1.3 Tipos de datos................................................................................................................................................ 9
1.4 Tipos de modelos........................................................................................................................................ 12
1.5 La minería de datos y el proceso de descubrimiento de conocimiento en bases de datos ..13
1.6 Relación con otras disciplinas............................................................................................................... 14
1.7 Aplicaciones................................................................................................................................................. 16
1.8 Sistemas y herramientas de minería de datos................................................................................. 18

Capítulo 2  El proceso de extracción de conocimiento........................................... 19

2.1 Las fases del proceso de extracción de conocimiento..................................................................... 19
2.2 Fase de integración y recopilación....................................................................................................... 21
2.3 Fase de selección, limpieza y transformación.................................................................................. 22
2.4 Fase de minería de datos.......................................................................................................................... 24
2.5 Fase de evaluación e interpretación..................................................................................................... 35
2.6 Fase de difusión, uso y monitorización.............................................................................................. 39

PARTE II: PREPARACIÓN DE DATOS

Capítulo 3  Recopilación. Almacenes de datos.................................................................. 43

3.1 Introducción................................................................................................................................................. 44
3.2 Necesidad de los almacenes de datos.................................................................................................. 46
3.3 Arquitectura de los almacenes de datos............................................................................................. 49
3.4 Carga y mantenimiento del almacén de datos................................................................................. 59
3.5 Almacenes de datos y minería de datos............................................................................................. 62

Capítulo 4  Limpieza y transformación............................................................. 65

4.1 Introducción................................................................................................................................................. 66
4.2 Integración y limpieza de datos............................................................................................................ 67
4.3 Transformación de atributos. Creación de características.......................................................... 78
4.4 Discretización y numerización.............................................................................................................. 89
4.5 Normalización de rango: escalado y centrado................................................................................. 93
4.6 Otras transformaciones........................................................................................................................... 94

Capítulo 5  Exploración y selección................................................................. 97

5.1 Introducción. El contexto de la vista minable.................................................................................. 97
5.2 Exploración mediante visualización................................................................................................. 103
5.3 Sumarización, descripción, generalización y pivotamiento..................................................... 107
5.4 Selección de datos.................................................................................................................................... 112
5.5 Lenguajes, primitivas e interfaces de minería de datos............................................................. 125

PARTE III: TÉCNICAS DE MINERÍA DE DATOS

Capítulo 6  El problema de la extracción de patrones.......................................... 137

6.1 Introducción.............................................................................................................................................. 137
6.2 Tareas y métodos..................................................................................................................................... 139
6.3 Minería de datos y aprendizaje inductivo...................................................................................... 148
6.4 El lenguaje de los patrones. Expresividad....................................................................................... 154
6.5 Breve comparación de métodos.......................................................................................................... 161

Capítulo 7  Modelización estadística paramétrica............................................................ 165
Tomàs Aluja y Pedro Delicado

7.1 Concepto de modelización estadística.............................................................................................. 166
7.2 Modelo de regresión................................................................................................................................ 167
7.3 Modelos de regresión sobre componentes incorrelacionados.................................................. 183
7.4 Modelos de regresión con variables categóricas........................................................................... 185
7.5 Análisis de los residuos......................................................................................................................... 187
7.6 Ejemplo: aplicación a los datos SERVO............................................................................................ 190
7.7 Modelos lineales generalizados........................................................................................................... 194
7.8 Análisis discriminante........................................................................................................................... 203
7.9 Sistemas, aplicabilidad y recomendaciones de uso..................................................................... 211

Capítulo 8  Modelización estadística no paramétrica...................................................... 213
Pedro Delicado y Tomàs Aluja

8.1 Introducción.............................................................................................................................................. 213
8.2 Regresión no paramétrica..................................................................................................................... 215
8.3 Discriminación no paramétrica.......................................................................................................... 229
8.4 Conclusiones, aplicabilidad y sistemas........................................................................................... 236

Capítulo 9  Reglas de asociación y dependencia................................................. 237

9.1 Introducción.............................................................................................................................................. 237
9.2 Reglas de asociación................................................................................................................................ 239
9.3 Reglas de dependencias......................................................................................................................... 243
9.4 Reglas de asociación multinivel.......................................................................................................... 247
9.5 Reglas de asociación secuenciales...................................................................................................... 249
9.6 Aprendizaje de reglas de asociación con sistemas de minería de datos............................... 252

Capítulo 10  Métodos bayesianos................................................................... 257
José A. Gámez Martín, Ismael García Varea y José M. Puerta Callejón

10.1 Introducción............................................................................................................................................ 257
10.2 Teorema de Bayes e hipótesis MAP................................................................................................. 259
10.3 Naïve Bayes............................................................................................................................................. 260
10.4 Redes bayesianas................................................................................................................................... 263
10.5 Aprendizaje de redes bayesianas.................................................................................................... 266
10.6 Clasificadores basados en redes bayesianas................................................................................ 271
10.7 Tratamiento de datos desconocidos................................................................................................ 275
10.8 Sistemas.................................................................................................................................................... 278

Capítulo 11  Árboles de decisión y sistemas de reglas.......................................... 281

11.1 Introducción............................................................................................................................................ 281
11.2 Sistemas por partición: árboles de decisión para clasificación............................................. 283
11.3 Sistemas de aprendizaje de reglas por cobertura...................................................................... 287
11.4 Poda y reestructuración...................................................................................................................... 290
11.5 Árboles de decisión para regresión, agrupamiento o estimación de probabilidades.... 293
11.6 Aprendizaje de árboles de decisión híbridos............................................................................... 295
11.7 Adaptación para grandes volúmenes de datos........................................................................... 295
11.8 Sistemas, aplicabilidad y recomendaciones de uso................................................................... 297

Capítulo 12  Métodos relacionales y estructurales.............................................. 301

12.1 Introducción............................................................................................................................................ 301
12.2 Programación lógica y bases de datos........................................................................................... 304
12.3 Programación lógica inductiva........................................................................................................ 306
12.4 Programación lógica inductiva y minería de datos.................................................................. 312
12.5 Otros métodos relacionales y estructurales................................................................................. 317
12.6 Sistemas.................................................................................................................................................... 325

Capítulo 13  Redes neuronales artificiales......................................................... 327
Emilio Corchado y Colin Fyfe

13.1 Introducción............................................................................................................................................ 327
13.2 El aprendizaje en las redes neuronales artificiales.................................................................... 330
13.3 Aprendizaje supervisado en RNA................................................................................................... 330
13.4 Aprendizaje no supervisado en RNA............................................................................................. 343
13.5 Sistemas, aplicabilidad y recomendaciones de uso................................................................... 351

Capítulo 14  Máquinas de vectores soporte..................................................................... 353
Xavier Carreras, Lluís Màrquez y Enrique Romero

14.1 Introducción............................................................................................................................................ 353
14.2 Máquinas de vectores soporte para clasificación binaria....................................................... 356
14.3 Justificación teórica............................................................................................................................... 367
14.4 Aplicaciones de las máquinas de vectores soporte.................................................................... 367
14.5 Extensiones y temas avanzados....................................................................................................... 375
14.6 Paquetes software y recomendaciones de uso................................................................................ 378
Anexo. Optimización con restricciones lineales.................................................................................. 381

Capítulo 15  Extracción de conocimiento con algoritmos evolutivos y reglas difusas... 383
María José del Jesus, Pedro González y Francisco Herrera

15.1 Introducción............................................................................................................................................ 383
15.2 Computación evolutiva....................................................................................................................... 385
15.3 Algoritmos evolutivos para la extracción de conocimiento................................................... 389
15.4 Lógica difusa........................................................................................................................................... 403
15.5 Lógica difusa en minería de datos................................................................................................... 405
15.6 Sistemas evolutivos difusos en minería de datos....................................................................... 409
15.7 Ejemplos.................................................................................................................................................... 412
15.8 Sistemas software.................................................................................................................................... 417
15.9 Conclusiones........................................................................................................................................... 418

Capítulo 16  Métodos basados en casos y en vecindad......................................... 421
Pedro Isasi

16.1 Introducción............................................................................................................................................ 421
16.2 Técnicas para agrupamiento............................................................................................................. 428
16.3 Técnicas para clasificación................................................................................................................. 440
16.4 Métodos de vecindad con técnicas evolutivas............................................................................. 448
16.5 Otros métodos y aplicabilidad......................................................................................................... 455

PARTE IV: EVALUACIÓN, DIFUSIÓN Y USO DE MODELOS

Capítulo 17  Técnicas de evaluación............................................................... 461

17.1 Introducción............................................................................................................................................ 461
17.2 Evaluación de clasificadores.............................................................................................................. 462
17.3 Evaluación de modelos de regresión............................................................................................... 476
17.4 Comparación de técnicas de aprendizaje...................................................................................... 477
17.5 Evaluación basada en complejidad de la hipótesis. El principio MDL................................ 477
17.6 Evaluación de modelos de agrupamiento..................................................................................... 480
17.7 Evaluación de reglas de asociación.................................................................................................. 481
17.8 Otros criterios de evaluación............................................................................................................ 482

Capítulo 18  Combinación de modelos............................................................ 485

18.1 Introducción............................................................................................................................................ 485
18.2 Métodos de construcción de multiclasificadores........................................................................ 487
18.3 Métodos de fusión.................................................................................................................................. 492
18.4 Métodos híbridos................................................................................................................................... 494

Capítulo 19  Interpretación, difusión y uso de modelos.................................................. 503

19.1 Introducción............................................................................................................................................ 503
19.2 Extracción de reglas comprensibles................................................................................................ 504
19.3 Visualización posterior....................................................................................................................... 506
19.4 Intercambio y difusión de modelos: estándares de representación..................................... 510
19.5 Integración con la toma de decisiones............................................................................................ 512
19.6 Actualización y revisión de modelos.............................................................................................. 520

PARTE V: MINERÍA DE DATOS COMPLEJOS

Capítulo 20  Minería de datos espaciales, temporales, secuenciales y multimedia......... 525

20.1 Introducción............................................................................................................................................ 525
20.2 Minería de datos espaciales............................................................................................................... 526
20.3 Minería de datos temporales............................................................................................................. 531
20.4 Extracción de patrones secuenciales............................................................................................... 536
20.5 Minería de datos multimedia............................................................................................................ 539

Capítulo 21  Minería de web y textos.............................................................. 545

21.1 Introducción............................................................................................................................................ 545
21.2 Minería web............................................................................................................................................ 548
21.3 Minería del contenido de la web...................................................................................................... 551
21.4 Minería de la estructura de la web.................................................................................................. 560
21.5 Minería de uso web............................................................................................................................... 563
21.6 Sistemas de minería de web y textos.............................................................................................. 568

PARTE VI: IMPLANTACIÓN E IMPACTO DE LA MINERÍA DE DATOS

Capítulo 22  Implantación de un programa de minería de datos............................. 573

22.1 Introducción............................................................................................................................................ 573
22.2 ¿Cuándo empezar? Necesidades y objetivos de negocio.......................................................... 575
22.3 Formulación del programa: fases e implantación...................................................................... 580
22.4 Integración con las herramientas y proyectos de la organización....................................... 586
22.5 Recursos necesarios.............................................................................................................................. 590

Capítulo 23  Repercusiones y retos de la minería de datos..................................... 597

23.1 Impacto social de la minería de datos............................................................................................ 597
23.2 Cuestiones éticas y legales.................................................................................................................. 599
23.3 Escalabilidad. Minería de datos distribuida................................................................................ 601
23.4 Tendencias futuras................................................................................................................................ 605

APÉNDICES

Apéndice [A] Sistemas y herramientas de minería de datos............................................ 609
Vicent Estruch Gregori
Librerías............................................................................................................................................................ 609
Suites.................................................................................................................................................................... 611
Herramientas específicas............................................................................................................................. 621

Apéndice [B] Datos de ejemplo........................................................................................ 625
Tabla resumen................................................................................................................................................. 627

Referencias bibliográficas................................................................................................ 629

Índice analítico................................................................................................................ 651

ÍNDICE MÁS DETALLADO:

Un índice hasta el tercer nivel lo tienes aquí.


DATASETS:

Una descripción de los datasets que se recomienda y se pueden usar directamente en el libro se encuentra aquí.


SOFTWARE:


ENLACES:

Información asociada al libro "Introducción a la Minería de Datos".
(C) José Hernández Orallo, M.José Ramírez Quintana, Cèsar Ferri Ramírez.