SEMMA

SEMMA es un acrónimo que significa Muestrear , Explorar , Modificar , Modelar y Evaluar . Es una lista de pasos secuenciales desarrollada por SAS Institute , uno de los mayores productores de software de estadística e inteligencia empresarial . Guía la implementación de aplicaciones de minería de datos . ^{[ 1 ]} Aunque SEMMA se suele considerar una metodología general de minería de datos, SAS afirma que es "más bien una organización lógica del conjunto de herramientas funcionales de" uno de sus productos, SAS Enterprise Miner, "para llevar a cabo las tareas principales de la minería de datos". ^{[ 2 ]}

En el creciente campo de la minería de datos, se ha solicitado una metodología estándar o una lista sencilla de buenas prácticas para el proceso iterativo y diverso de la minería de datos, que los usuarios puedan aplicar a sus proyectos independientemente del sector. Si bien el Proceso Estándar Intersectorial para la Minería de Datos (CRISP-DM), impulsado por la iniciativa del Programa Estratégico Europeo de Investigación en Tecnologías de la Información , buscaba crear una metodología neutral, SAS también ofreció un modelo a seguir en sus herramientas de minería de datos.

Las fases de SEMMA y las tareas relacionadas son las siguientes: ^{[ 2 ]}

• Muestreo . El proceso comienza con el muestreo de datos , por ejemplo, seleccionando el conjunto de datos para el modelado. El conjunto de datos debe ser lo suficientemente grande como para contener información suficiente para su recuperación, pero lo suficientemente pequeño como para ser utilizado de manera eficiente. Esta fase también aborda la partición de datos.
• Explorar . Esta fase abarca la comprensión de los datos mediante el descubrimiento de relaciones previstas e imprevistas entre las variables, así como anomalías, con la ayuda de la visualización de datos .
• Modificar . La fase de modificación contiene métodos para seleccionar, crear y transformar variables en preparación para el modelado de datos .
• Modelo . En la fase de modelado, el enfoque se centra en aplicar diversas técnicas de modelado (minería de datos) a las variables preparadas para crear modelos que posiblemente proporcionen el resultado deseado.
• Evaluar . La última fase es la evaluación. La evaluación de los resultados del modelado muestra la fiabilidad y utilidad de los modelos creados.

SEMMA se centra principalmente en las tareas de modelado de proyectos de minería de datos, dejando de lado los aspectos empresariales (a diferencia, por ejemplo, de CRISP-DM y su fase de Comprensión del Negocio). Además, SEMMA está diseñado para ayudar a los usuarios del software SAS Enterprise Miner. Por lo tanto, su aplicación fuera de Enterprise Miner puede resultar ambigua. ^{[ 3 ]} Sin embargo, para completar la fase de "Muestreo" de SEMMA, se requiere una comprensión profunda de los aspectos empresariales para realizar un muestreo eficaz. En efecto, se requiere una comprensión del negocio para completar el muestreo de manera efectiva. ^{[ 4 ]}

• Proceso estándar intersectorial para la minería de datos