La descarga está en progreso. Por favor, espere

La descarga está en progreso. Por favor, espere

Minería de datos Dr. Francisco J. Mata 1 Razonamiento basado en memoria Teoría Tema 13.

Presentaciones similares


Presentación del tema: "Minería de datos Dr. Francisco J. Mata 1 Razonamiento basado en memoria Teoría Tema 13."— Transcripción de la presentación:

1 Minería de datos Dr. Francisco J. Mata 1 Razonamiento basado en memoria Teoría Tema 13

2 Minería de datos Dr. Francisco J. Mata 2 Razonamiento basado en memoria

3 Minería de datos Dr. Francisco J. Mata 3 Razonamiento basado en memoria

4 Minería de datos Dr. Francisco J. Mata 4 Razonamiento basado en memoria

5 Minería de datos Dr. Francisco J. Mata 5 Razonamiento basado en memoria

6 Minería de datos Dr. Francisco J. Mata 6 Razonamiento basado en memoria

7 Minería de datos Dr. Francisco J. Mata 7 Razonamiento basado en memoria Funcionamiento Almacenar los registros pre-clasificados Para un registro nuevo, encontrar los vecinos más cercanos Utilizar los vecinos para decidir qué valor asignarle al nuevo registro

8 Minería de datos Dr. Francisco J. Mata 8 Razonamiento basado en memoria

9 Minería de datos Dr. Francisco J. Mata 9 Razonamiento basado en memoria

10 Minería de datos Dr. Francisco J. Mata 10 Razonamiento basado en memoria

11 Minería de datos Dr. Francisco J. Mata 11 Razonamiento basado en memoria

12 Minería de datos Dr. Francisco J. Mata 12 Razonamiento basado en memoria

13 Minería de datos Dr. Francisco J. Mata 13 Razonamiento basado en memoria

14 Minería de datos Dr. Francisco J. Mata 14 Razonamiento basado en memoria

15 Minería de datos Dr. Francisco J. Mata 15 Razonamiento basado en memoria

16 Minería de datos Dr. Francisco J. Mata 16 Razonamiento basado en memoria

17 Minería de datos Dr. Francisco J. Mata 17 Razonamiento basado en memoria

18 Minería de datos Dr. Francisco J. Mata 18 Razonamiento basado en memoria VecinoDistanciaPesoCódigos R/FE, R/CA, R/CO R/FE, R/JA, R/CA R/FE, R/JA, R/MI R/FE, R/JA, R/CA

19 Minería de datos Dr. Francisco J. Mata 19 Razonamiento basado en memoria Código1234Score R/CA R/CO R/FE R/JA R/MI

20 Minería de datos Dr. Francisco J. Mata 20 Razonamiento basado en memoria

21 Minería de datos Dr. Francisco J. Mata 21 Razonamiento basado en memoria

22 Minería de datos Dr. Francisco J. Mata 22 Razonamiento basado en memoria Requerimientos de variables Una variable target Binaria, nominal o intervalo Ordinal debe ser convertida a intervalo Variables input Numéricas, ortogonales y estandarizadas Utilizar el nodo Princomp/Dmneural para obtener una descomposición mediante valores principales

23 Minería de datos Dr. Francisco J. Mata 23 Razonamiento basado en memoria Creación de un archivo de entrenamiento Número similar de registros para cada clase de la variable target Docenas de ejemplos mejor si son cientos o miles

24 Minería de datos Dr. Francisco J. Mata 24 Razonamiento basado en memoria Muchos registros baja efi- ciencia Pocos registros mejora eficiencia

25 Minería de datos Dr. Francisco J. Mata 25 Razonamiento basado en memoria

26 Minería de datos Dr. Francisco J. Mata 26 Razonamiento basado en memoria

27 Minería de datos Dr. Francisco J. Mata 27 Razonamiento basado en memoria

28 Minería de datos Dr. Francisco J. Mata 28 Razonamiento basado en memoria

29 Minería de datos Dr. Francisco J. Mata 29 Razonamiento basado en memoria Fortalezas Resultados son fácilmente entendibles No son reglas del tipo if-then Sino del tipo se hace esta predicción considerando los resultados de estos registros los cuales son muy parecidos al nuevo

30 Minería de datos Dr. Francisco J. Mata 30 Razonamiento basado en memoria Fortalezas Funciona bien con cualquier número de variables El rendimiento del razonamiento basado en memoria depende más del conjunto de datos de adiestramiento que en el número de variables Ventaja sobre rede neuronales y regresión

31 Minería de datos Dr. Francisco J. Mata 31 Razonamiento basado en memoria Debilidades Computacionalmente costoso a la hora del scoring Encontrar los vecinos más cercanos es computacionalmente costoso si el conjunto de adiestramiento es muy grande Árboles de decisión y redes neuronales no utilizan el conjunto de adiestramiento a la hora de hacer el scoring

32 Minería de datos Dr. Francisco J. Mata 32 Razonamiento basado en memoria Debilidades Dependencia de la función de distancia, de la función de combinación y del número de vecinos Resultados dependen de estos parámetros

33 Minería de datos Dr. Francisco J. Mata 33 Razonamiento basado en memoria Cuando utilizarlo Cuando los patrones en los datos son muchos y muy locales y reglas y funciones globales no tienen sentido Ejemplo: ¿Por qué clientes dejan de comprar de un catálogo? Nuevos almacenes se abren en el vecindario Están inundados de otros catálogos Pierden el trabajo, etc. Cuando no utilizarlo Cuando hay pocas razones para algo y reglas son globales Ejemplo: ¿Por qué clientes compran en diciembre? Para dar regalos


Descargar ppt "Minería de datos Dr. Francisco J. Mata 1 Razonamiento basado en memoria Teoría Tema 13."

Presentaciones similares


Anuncios Google