Claves de contenido del artículo

Árbol de decisión

Redes neuronales

Clustering

Extracción de reglas de asociación

Redes bayesianas

Regresión

Modelado estadístico

La minería de datos se define como una serie de técnicas encaminadas a identificar patrones implícitos dentro de grandes conjuntos de datos, con el fin de entender sus mecanismos de comportamiento, su interrelación y su potencial evolución futura. El data mining es una tecnología exploratoria clave en los proyectos de Big Data, y se puede poner en funcionamiento tanto para resolver preguntas específicas como para la extracción de información de manera general, buscando tendencias y anomalías en la muestra.

Hace poco abordábamos en el Blog de datahack algunas de las metodologías de data mining más conocidas para el análisis en Big Data, como KDD, SEMMA y CRISP-DM. Hoy iremos un paso más allá y nos centraremos en las 7 técnicas de minería de datos más utilizadas en el mundo del Big Data. Aquí tienes nuestra selección:

Machine learning es una de las palabras de moda en el mundo del Big Data. Es como el sexo de los adolescentes estadounidenses, todo el mundo habla de ello, todos dicen haberlo hecho, pero realmente ninguno sabe lo que es.

Según SAP, uno de los principales productores mundiales de software para la gestión de procesos de negocio, lo define como: "Un subconjunto de inteligencia artificial (IA). Se centra en enseñar a las computadoras a aprender de los datos y mejorar con la experiencia -en lugar de ser explícitamente programadas para hacerlo- En Machine Learning los algoritmos se capacitan para encontrar patrones y correlaciones en grandes data sets y para tomar las mejores decisiones y previsiones basadas en ese análisis".

A continuación, trataremos de esclarecer la definición anterior.

La mayoría de los programas informáticos están compuestos por una serie de órdenes ejecutables. Los programas conocen lo que han de hacer: abrir un fichero, buscar, comparar, ordenar, agregar, y muchas operaciones lógicas y matemáticas por complejas que sean.

En Machine Learning se ofrecen una serie de programas que a través de la recolección y el análisis de los datos existentes pueden predecir el comportamientos futuro de los programas.

Las tres C’s del Machine Learning

Existen tres categorías bien definidas de técnicas de explotación de datos, los filtros colaborativos empleados para realizar recomendaciones, el clustering y los clasificadores.

Machine Learning: filtros colaborativos

Es una técnica utilizada para realizar recomendaciones. Uno de los primeros en aplicar esta técnica fue Amazon. Analiza los gustos de las personas y los aprende para poder sugerirle nuevos gustos. Es muy útil para ayudar a los usuarios a navegar por la red, mostrando los temas afines a sus intereses y gustos. Los filtros colaborativos no están limitados por el tipo de datos con los que trabajan en un momento determinado, por lo que son muy útiles trabajando en dominios distintos.

Por ejemplo, a través del análisis de los gustos de una persona al calificar un producto audiovisual como un largometraje, el programa puede adivinar qué nota le pondría a otra serie o cinta que aún no ha clasificado.

Machine Learning: Clustering

El Clustering descubre agrupaciones en los datos que no existían previamente. Busca encontrar relaciones entre variables descriptivas de manera automática. Puede, por ejemplo, encontrar relaciones entre publicaciones nuevas que aparentemente no tienen ningún patrón común, o analizar grupos de píxeles en varias imágenes que se relacionan con ciertos objetos.

Tanto los filtros colaborativos como el clustering son técnicas no supervisadas; no es necesario disponer de ninguna información previa de los datos.

Machine Learning: clasificadores

Los clasificadores son una forma de aprendizaje supervisado. Usan una serie de registros identificados mediante un etiquetado conocido. A partir de ellos, el clasificador puede etiquetar nuevos registros de manera autónoma. Algunos usos de estos clasificadores pueden ser el etiquetado del correo Spam a partir de otros mensajes previamente clasificados, o la identificación de tumores malignos o benignos a partir de otros ya etiquetados previamente

Como vemos la utilidad del Machine Learning es fantástica y casi mágica, ahorrando mucho trabajo. 

MÁSTER EXPERTO EN BIG DATA & ANALYTICS

Gracias al Master en Big Data Analytics 100% Online tendrás amplios conocimientos sobre las herramientas y técnicas analíticas necesarias para la modelización de los principales retos de negocio, con el fin de mejorar la toma de decisiones a través de los datos y el conocimiento.