Libro de texto del curso: 'Introducción a la ciencia de datos'
Editor: IBM Press; 1 edición (13 dic 2015) Impreso.
Autor: Murtaza Haider
Lectura prescrita: Capítulo 12 pág. 529-531
Establecimiento de objetivos de minería de
datos
El primer paso en la minería de datos requiere que establezca metas
para el ejercicio. Obviamente, debe identificar las preguntas clave
que deben responderse. Sin embargo, más allá de identificar las
preguntas clave están las preocupaciones sobre los costos y
beneficios del ejercicio. Además, debe determinar, de antemano, el
nivel esperado de precisión y utilidad de los resultados obtenidos de
la minería de datos. Si el dinero no fuera un problema, podría arrojar
tantos fondos como sea necesario para obtener las respuestas
requeridas. Sin embargo, la compensación de costo-beneficio siempre
es fundamental para determinar los objetivos y el alcance del
ejercicio de minería de datos. El nivel de precisión esperado de los
resultados también influye en los costos. Los altos niveles de
precisión de la minería de datos costarían más y viceversa. Además,
más allá de un cierto nivel de precisión, no se gana mucho con el
ejercicio, dados los rendimientos decrecientes. Por lo tanto, las
ventajas y desventajas de costo-beneficio para el nivel deseado de
precisión son consideraciones importantes para los objetivos de
minería de datos.
Selección de datos
El resultado de un ejercicio de minería de datos depende en gran
medida de la calidad de los datos que se utilizan. A veces, los datos
están fácilmente disponibles para su posterior procesamiento. Por
ejemplo, los minoristas a menudo poseen grandes bases de datos de
compras y datos demográficos de los clientes. Por otro lado, es
posible que los datos no estén fácilmente disponibles para la minería
de datos. En tales casos, debe identificar otras fuentes de datos o
incluso planificar nuevas iniciativas de recopilación de datos, incluidas
encuestas. El tipo de datos, su tamaño y la frecuencia de recopilación
tienen una relación directa con el costo del ejercicio de minería de
datos. Por lo tanto, es fundamental identificar el tipo correcto de
datos necesarios para la extracción de datos que puedan responder
las preguntas a costos razonables.
Preprocesamiento de datos
Editor: IBM Press; 1 edición (13 dic 2015) Impreso.
Autor: Murtaza Haider
Lectura prescrita: Capítulo 12 pág. 529-531
Establecimiento de objetivos de minería de
datos
El primer paso en la minería de datos requiere que establezca metas
para el ejercicio. Obviamente, debe identificar las preguntas clave
que deben responderse. Sin embargo, más allá de identificar las
preguntas clave están las preocupaciones sobre los costos y
beneficios del ejercicio. Además, debe determinar, de antemano, el
nivel esperado de precisión y utilidad de los resultados obtenidos de
la minería de datos. Si el dinero no fuera un problema, podría arrojar
tantos fondos como sea necesario para obtener las respuestas
requeridas. Sin embargo, la compensación de costo-beneficio siempre
es fundamental para determinar los objetivos y el alcance del
ejercicio de minería de datos. El nivel de precisión esperado de los
resultados también influye en los costos. Los altos niveles de
precisión de la minería de datos costarían más y viceversa. Además,
más allá de un cierto nivel de precisión, no se gana mucho con el
ejercicio, dados los rendimientos decrecientes. Por lo tanto, las
ventajas y desventajas de costo-beneficio para el nivel deseado de
precisión son consideraciones importantes para los objetivos de
minería de datos.
Selección de datos
El resultado de un ejercicio de minería de datos depende en gran
medida de la calidad de los datos que se utilizan. A veces, los datos
están fácilmente disponibles para su posterior procesamiento. Por
ejemplo, los minoristas a menudo poseen grandes bases de datos de
compras y datos demográficos de los clientes. Por otro lado, es
posible que los datos no estén fácilmente disponibles para la minería
de datos. En tales casos, debe identificar otras fuentes de datos o
incluso planificar nuevas iniciativas de recopilación de datos, incluidas
encuestas. El tipo de datos, su tamaño y la frecuencia de recopilación
tienen una relación directa con el costo del ejercicio de minería de
datos. Por lo tanto, es fundamental identificar el tipo correcto de
datos necesarios para la extracción de datos que puedan responder
las preguntas a costos razonables.
Preprocesamiento de datos
