Grupo de investigación en Bases de Datos y Sistemas de Información Inteligentes Departamento de Ciencias de la Computación e Inteligencia Artificial ETS Ingeniería Informática - Universidad de Granada

TMiner Data Mining en Java Entorno integrado de “minería de datos” desarrollado en Java. JDBC da acceso prácticamente a cualquier base de datos existente en el mercado.

TMiner Modelo conceptual

TMiner Interfaz Windows Los “trabajadores del conocimiento” pueden analizar sus propios datos utilizando un interfaz estándar de tipo WIMP...

TMiner Interfaz Web Como applet... ... y como aplicación web

TMiner Sistema de ayuda en línea TMiner ofrece una interfaz bilingüe (español e inglés) con un sistema de ayuda en línea en formato HTML

TMiner Monitorización Siempre podemos ver el uso de memoria de la aplicación TMiner

TMiner Infraestructura “Component-based data mining frameworks: OLAP vs. OLTP in the middle tier” Fernando Berzal, Ignacio Blanco, Juan Carlos Cubero & Nicolás Marín Communications of the ACM, December 2002

TMiner Selección de los datos

TMiner Selección de los datos Mediante el controlador JDBC adecuado se accede a la base de datos…

TMiner Selección de los datos Con TMiner podemos analizar cualquiera de los conjuntos de datos de la base de datos

TMiner El conjunto de datos

TMiner El conjunto de datos Una vez seleccionado el conjunto de datos, podemos empezar a trabajar con él

TMiner El conjunto de datos TMiner permite realizar consultas SQL

TMiner El conjunto de datos Importar datos desde ficheros…

TMiner El conjunto de datos … o exportar los datos de la base de datos

TMiner Preparación de los datos

TMiner Preparación de los datos Una vez seleccionado el conjunto de datos, podemos aplicar distintas técnicas de Data Mining

TMiner Preparación de los datos En primer lugar, seleccionamos las columnas del conjunto de datos con las que vamos a trabajar

TMiner Preparación de los datos A continuación, agrupamos los valores de cada atributo en función de cómo queramos interpretarlos

TMiner Preparación de los datos Cuando los atributos son de tipo numérico, podemos utilizar distintas técnicas de discretización

TMiner Preparación de los datos Incluso se pueden asignar etiquetas descriptivas a los conjuntos en que agrupamos los valores de los atributos

TMiner Técnicas de Data Mining

TMiner Técnicas de Data Mining Ya sólo nos queda elegir qué algoritmos utilizar, indicar valores adecuados para sus parámetros y esperar a ver los resultados que se obtienen…

TMiner Técnicas de Data Mining

TMiner Árboles de decisión Algoritmos ID3, C4.5 …

TMiner Listas de decisión Metodología STAR: Algoritmos AQ y CN2

TMiner Reglas de asociación Algoritmos Apriori y TBAR

TMiner Reglas de asociación Clasificación con reglas de asociación

Técnicas disponibles Extracción de reglas de asociación (TBAR) Modelos de clasificación Árboles de decisión ART Listas de decisión y algoritmos STAR (AQ & CN2) Clasificadores paramétricos y no paramétricos e.g. Clasificadores euclídeos y cuadráticos, k-NN, LVQ, DSM... Algoritmos de agrupamiento [clustering] e.g. K-Medias, GRASP, ISODATA...

TMiner Análizador Numérico

Técnicas de clasificación y agrupamiento Analizador Numérico Técnicas de clasificación y agrupamiento El Analizador Numérico es la parte de TMiner encargada de trabajar con números

Técnicas de clasificación y agrupamiento Analizador Numérico Técnicas de clasificación y agrupamiento Incluye técnicas de edición y condensado de datos, distintos métodos de construcción de clasificadores y múltiples algoritmos de agrupamiento

Analizador Numérico Técnicas de clasificación y agrupamiento Visualización de conjuntos de datos, estadísticas y distribuciones de clases

Analizador Numérico Técnicas de clasificación y agrupamiento Estadísticas por clases

Técnicas de clasificación y agrupamiento Analizador Numérico Técnicas de clasificación y agrupamiento

Analizador Numérico Técnicas de clasificación y agrupamiento Clasificadores paramétricos (lineales y cuadráticos)

Analizador Numérico Técnicas de clasificación y agrupamiento Clasificadores no paramétricos: k-NN

Analizador Numérico Técnicas de clasificación y agrupamiento Aprendizaje adaptativo: LVQ y DSM

Analizador Numérico Técnicas de clasificación y agrupamiento Métodos de agrupamiento: K-MEANS, GRASP, ISODATA…

Clasificación con árboles de decisión A partir del algoritmo C4.5: Reglas de división Entropía Ganancia de información Índice de Gini MaxDif Ramas ‘else’ Árboles n-arios con atributos numéricos

“ART: A hybrid classification method” Clasificación con ART ART TDIDT “ART: A hybrid classification method” Fernando Berzal, Juan Carlos Cubero, Daniel Sánchez & José María Serrano Machine Learning, 2004

Clasificación con ART

Extracción de reglas de asociación “TBAR: efficient method for association rule mining in relational databases” Fernando Berzal, Juan Carlos Cubero, Nicolás Marín & José María Serrano Data & Knowledge Engineering, 37 (2001), 47-64

Más información... Fernando Berzal Galiano fberzal@decsai.ugr.es Juan Carlos Cubero Talavera jc.cubero@decsai.ugr.es