Introducción Capítulo 1. El concepto de Data Mining Introducción Una definición de Data Mining El proceso de Data Mining Selección de objetivos La preparación de los datos Tipos de problemas de Data Mining y enfoques para su resolución Problemas descriptivos Problemas predictivos Técnicas de Data Mining El éxito de un proyecto de Data Mining: consideraciones finales Capítulo 2. El entorno de Enterprise Miner. La herramienta Enterprise Miner Preparación de los datos Abrir Enterprise Miner Navegador del Proyecto Conjunto de herramientas de análisis de SAS Enterprise Miner Zona de trabajo Barra de Herramientas Menú principal de aplicaciones File Edit View Options Actions Help Comenzar un proyecto nuevo Acerca de los dato y los nodos Capítulo 3. Selección de datos y muestras. Exploración El nodo de datos (Input Data Source Node) Conexión de nodos en un diagrama activo El nodo de muestreo (Sampling Node) El nodo partición de datos (Data Partition Node) Nodo explorador de distribuciones (Distribution Explorer Node) Nodo multigráficos (Multiplot node) Nodo de exploración de patrones (Insight Node) Nodo de asociaciones (Association Node) Node de selección de variables (Variable Selection Node) Nodo de análisis de relaciones (Link Analisis Exp. Node) Visor de resultados Capítulo 4. Exploración y análisis interactivo de datos. El nodo Insight El node de análisis interactivo (Insight) Introducción de datos Edición de datos Presentación de ventanas Trabajo con variables Búsqueda y selección de datos Análisis de datos Análisis univariante y bivariante Análisis de la distribución de una variable Ajustar Modelos (Fit Y X) Análisis Multivariante (Multivariate) Capítulo 5. Depuración y modificación de datos Nodo de asignación de atributos (Data Set Attributes Node) Nodo de transformación de variables (Transform Variables Node) Nodo de filtro de datos (Filter Outliers Node) Nodo de reemplazo (Replacement Node) Imputación de la información faltante Resultados Nodo para series temporales (Time Series Node, Exp.) Trabajo con el nodo de series temporales Visor de resultados Capítulo 6. Análisis cluster Métodos descriptivos: Técnicas del análisis de interdependencia Análisis en componentes principales Análisis factorial Análisis de correspondencias Escalamiento multidimensional Análisis de conglomerados (análisis cluster) Nodo de Enterprise Miner para el análisis cluster (Clustering Node) Trabajando con el nodo de Análisis Cluster Visor de resultados Ejemplo de Clustering Capítulo 7. Modelos: regresión múltiple y logística Métodos explicativos: Técnicas del análisis de la dependencia Regresión múltiple Análisis canónico (correlación canónica) Análisis discriminante Modelos de elección discreta Modelo ANOVA (Análisis de la varianza simple) Modelo ANCOVA (Análisis de la covarianza simple) Modelo MANOVA (Análisis de la varianza múltipe) Modelo MANCOVA (Análisis de la covarianza múltiple) Regresión múltiple y modelos de elección discreta con variables ficticias.. 180 Nodo de regresión de Enterprise Miner Especificación del modelo Resultados de la regresión Model Manager Ejemplo de regresión múltiple Resultados Ejemplo de regresión logística Capítulo 8. Árboles de decisión Extracción de reglas mediante árboles de decisión Conceptos previos Metodología de construcción de reglas del algoritmo del nodo Tree de Enterprise Miner C&RT (Classification and Regression Trees) C4.5 y C5.0 Nodo de árboles de decisión (Tree Node) Opciones para los árboles de decisión Elementos de los árboles de decisión El visor de resultados del nodo de árboles de decisión Entrenamiento interactivo (Interactive Training) Ejemplo de árbol de decisión Capítulo 9. Redes Neuronales Introducción a las redes neuronales Las Redes Neuronales Biológicas Las Redes Neuronales Artificiales Un poco de historia Características generales de las RNAs Una clasificación de las RNAs El aprendizaje del MLP: el algoritmo Backpropagation Principales ventajas y desventajas de las RNAs Nodo de Redes Neuronales Artifíciales (Neural Network Node) Trabajo con el nodo de redes neuronales Ejecución del nodo de redes neuronales Visor de resultados Ejemplo de red nueronal Capítulo 10. Redes neuronales y componentes principales. Modelos de usuario Nodo de análisis de componentes principales para uso individual o en redes neuronales (PRINCOMP/DMNEURAL Node) Funciones de activación Trabajo con el nodo PRINCOMP/DMNEURAL Ejecución del nodo PRINCOMP/DMNEURAL Resultados del nodo PRINCOMP/DMNEURAL Nodo de modelo creado por el usuario (User Defined Node) Trabajo con el nodo Data Set Attributes Visor de resultados Nodo de combinación de modelos (Ensemble Node) Trabajando con el nodo de combinación de modelos Visor de resultados Nodo de razonamiento basado en la memoria (Memory-Based Reasoning, Exp.) Trabajando con el nodo de razonamiento basado en la memoria Visor de resultados Nodo de modelo en dos etapas (Two Stage Model Node) Trabajando con el nodo de modelo en dos etapas Visor de resultados Nodo para mapas autoorganizados (SOM/KOHONEN NODE) Kohonen VQ Self Organizing Maps Trabajo con el nodo de SOM/KOHONEN Visor de resultados Nodo para mapas autoorganizados (SOM/KOHONEN NODE) Kohonen VQ Self Organizing Maps Trabajo con el nodo de SOM/KOHONEN Visor de resultados Ejemplo de PRINCOMP/DMNEURAL Ejemplo de redes autoorganizadas SOM/KOHONEN Capítulo 11. Valoración y comparación de modelos Nodo de valoración (Assessment) Trabajo con el nodo de valoración Gráficos del nodo Assessment LIFT (Gráfico de ganancias) DIAGNOSTIC (Gráfico de clasificación)0 THRESHOLD-BASED (Gráfico de clasificación basado en el umbral) Curvas ROC Scatter Plot (Gráfico de dispersión) Nodo de informes (Reporter Node) Opciones por defecto del nodo Reporter Localización de los fichero de informes Ejemplo de combinación de modelos Capítulo 12. Predicción y utilidades Nodo de predicción de nuevos datos (Score) Trabajo con el nodo de predicción Nodo de predicción en lenguaje C (C*Score) Principales limitaciones del nodo C*Score Trabajo con el nodo C*Store Visor de resultados Nodo de utilidades (Utility) y nodo de tratamiento de grupos (Group Processing) Trabajo con el nodo de tratamiento de grupos Visor de resultados en model manager Nodo de base de datos para Data Mining (Data Mining Database Node) Trabajo con el nodo de base de datos para Data Mining Visor de resultados Nodo de código de programación SAS (SAS Code Node) Trabajando con el nodo de código de programación SAS Nodo de punto de control (Control Point Node) Nodo de subdiagrama (Subdiagram Node) Capítulo 13. Data Mining y reducción de la dimensión con variables cuantitativas: Componentes Principales
El objetivo de este libro es que el lector descubra las bases de datos de soporte a la decisión y toda la problemática asociada tanto a su construcción y desarrollo como a la extracción de conocimiento de las mismas y enfrentarse a un proyecto de data mining con los conocimientos suficientes pudiendo abordar cualquiera de sus fases de desarrollo finalidad la descripción precisa del proceso de KDD.
