Welcome to Scribd, the world's digital library. Read, publish, and share books and documents. See more
Download
Standard view
Full view
of .
Look up keyword or section
Like this
5Activity

Table Of Contents

Capítulo 1. Introducción
1.1. KDD y Minería de Datos
1.1.2. El proceso de KDD
1.1.3. Minería de Datos
1.1.4. Tecnologías de Apoyo
1.1.5. Áreas de Aplicación
1.1.6. Tendencias de la Minería de Datos
1.2.1. Arquitectura, Modelado, Diseño, y Aspectos de la Administración
1.2.2. Data mining y Funciones de Bases de datos
1.2.3. DATA WAREHOUSE
1.2.4. DATA WAREHOUSE Y DATA MINING
1.3. Herramientas Comerciales de Análisis de Datos
1.4. Arquitectura Software para Data Mining
1.4.2. Arquitectura Funcional
1.4.3. Arquitectura del Sistema
1.4.4. El Data Mining en la Arquitectura del Sistema
2.2.1. Análisis de relaciones entre atributos
2.2.2. Relación entre variables nominales-nominales
2.2.3. Relaciones numéricas-nominales
2.2.3.1. Comparación de dos medias
2.2.3.2. Análisis de la varianza
2.2.4. Relaciones numéricas-numéricas:
2.2.4.1. Regresión lineal
2.2.5. Evaluación del modelo de regresión
2.2.5.1. Medidas de Calidad
2.2.5.2. Test de Hipótesis sobre modelo de regresión
2.3.1. Ejemplos de Validación de Hipótesis
2.4.1. Clasificación bayesiana
2.4.2. Regresión Lineal
3.2. Clustering. (“Segmentación”)
3.2.1. Clustering Numérico (k-medias)
3.2.2. Clustering Conceptual (COBWEB)
3.2.3. Clustering Probabilístico (EM)
3.3. Reglas de Asociación
3.4.1. Regresión no lineal
3.4.2. Árboles de Predicción
3.4.3. Estimador de Núcleos
3.5.1. Tabla de Decisión
3.5.2. Árboles de Decisión
3.5.3. Reglas de Clasificación
3.5.4. Clasificación Bayesiana
3.5.5. Aprendizaje Basado en Ejemplares
3.5.6. Redes de Neuronas
Introducción
Preparación de los datos
Muestra de datos
Objetivos del análisis
Ejecución de WEKA
Preprocesado de los datos
Características de los atributos
Trabajo con Filtros. Preparación de ficheros de muestra
Filtros de atributos
Filtros de instancias
Visualización
Representación 2D de los datos
Filtrado “gráfico” de los datos
Agrupamiento
Agrupamiento numérico
Agrupamiento simbólico
Clasificación
Modos de evaluación del clasificador
Selección y configuración de clasificadores
Aprendizaje del modelo y aplicación a nuevos datos
Selección de atributos
5.4. C4.5 en WEKA (J48)
5.5. Árbol de Decisión de un solo nivel en WEKA
5.6. 1R en WEKA
5.7. PRISM en WEKA
5.8. PART en WEKA
5.9. Naive Bayesiano en WEKA
5.10. VFI en WEKA
5.11. KNN en WEKA (IBk)
5.12. K* en WEKA
5.13. Redes de Neuronas en WEKA
5.14. Regresión Lineal en WEKA
5.15. Regresión Lineal Ponderada Localmente en WEKA
5.16. M5 en WEKA
5.17. Kernel Density en WEKA
5.18. k-means en WEKA
5.19. COBWEB en WEKA
5.20. EM en WEKA
5.21. Asociación A Priori en WEKA
Capítulo 6 Ejemplos sobre casos de estudio
Capítulo 6. Ejemplos sobre casos de estudio
0 of .
Results for:
No results containing your search query
P. 1
apuntesAD

apuntesAD

Ratings: (0)|Views: 148|Likes:
Published by Nicolas Simbaqueba

More info:

Published by: Nicolas Simbaqueba on Mar 20, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

11/07/2013

pdf

text

original

You're Reading a Free Preview
Pages 6 to 55 are not shown in this preview.
You're Reading a Free Preview
Pages 61 to 92 are not shown in this preview.
You're Reading a Free Preview
Pages 98 to 156 are not shown in this preview.
You're Reading a Free Preview
Pages 162 to 220 are not shown in this preview.
You're Reading a Free Preview
Pages 226 to 266 are not shown in this preview.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->