Hispanopedia Wiki
Articulo de referencia

minería de datos

La minería de datos es el proceso de extraer y encontrar patrones en conjuntos de datos masivos que involucran métodos en la intersección del aprendizaje automático , la estadís...

Hispanopedia WikiContenido en espanolLectura gratuita

La minería de datos es el proceso de extraer y encontrar patrones en conjuntos de datos masivos que involucran métodos en la intersección del aprendizaje automático , la estadística y los sistemas de bases de datos . [ 1 ] La minería de datos es un subcampo interdisciplinario de la informática y la estadística con el objetivo general de extraer información (con métodos inteligentes) de un conjunto de datos y transformar la información en una estructura comprensible para su uso posterior. [ 1 ] [ 2 ] [ 3 ] [ 4 ] La minería de datos es el paso de análisis del proceso de " descubrimiento de conocimiento en bases de datos " o KDD. [ 5 ] Además del paso de análisis bruto, también involucra aspectos de bases de datos y administración de datos , preprocesamiento de datos , consideraciones de modelos e inferencia , métricas de interés, consideraciones de complejidad , posprocesamiento de estructuras descubiertas, visualización y actualización en línea . [ 1 ]

El término "minería de datos" es un nombre inapropiado porque el objetivo es la extracción de patrones y conocimiento de grandes cantidades de datos, no la extracción ( minería ) de los datos en sí . [ 6 ] También es una palabra de moda [ 7 ] y se aplica con frecuencia a cualquier forma de procesamiento de datos o información a gran escala ( recopilación , extracción , almacenamiento , análisis y estadística), así como a cualquier aplicación de sistemas informáticos de apoyo a la toma de decisiones , incluyendo la inteligencia artificial (por ejemplo, el aprendizaje automático) y la inteligencia empresarial . A menudo, los términos más generales de análisis de datos ( a gran escala ) y analítica —o, cuando se hace referencia a métodos reales, inteligencia artificial y aprendizaje automático— son más apropiados.

La tarea de minería de datos propiamente dicha consiste en el análisis semiautomático o automático de grandes cantidades de datos para extraer patrones interesantes y previamente desconocidos, como grupos de registros de datos ( análisis de clústeres ), registros inusuales ( detección de anomalías ) y dependencias ( minería de reglas de asociación , minería de patrones secuenciales ). Esto suele implicar el uso de técnicas de bases de datos, como índices espaciales . Estos patrones pueden considerarse un resumen de los datos de entrada y utilizarse en análisis posteriores o, por ejemplo, en aprendizaje automático y análisis predictivo . Por ejemplo, la etapa de minería de datos podría identificar múltiples grupos en los datos, que luego se pueden utilizar para obtener resultados de predicción más precisos mediante un sistema de apoyo a la toma de decisiones . Ni la recopilación de datos, ni la preparación de datos, ni la interpretación y presentación de resultados forman parte de la etapa de minería de datos, aunque sí pertenecen al proceso general de KDD como pasos adicionales.

La diferencia entre análisis de datos y minería de datos radica en que el análisis de datos se utiliza para probar modelos e hipótesis en el conjunto de datos, por ejemplo, analizando la efectividad de una campaña de marketing , independientemente de la cantidad de datos. En cambio, la minería de datos utiliza aprendizaje automático y modelos estadísticos para descubrir patrones ocultos o implícitos en un gran volumen de datos. [ 8 ]

Los términos relacionados «recopilación de datos» , «pesca de datos» y «espionaje de datos» se refieren al uso de métodos de minería de datos para muestrear partes de un conjunto de datos poblacional más amplio que son (o podrían ser) demasiado pequeñas para realizar inferencias estadísticas fiables sobre la validez de los patrones descubiertos. Sin embargo, estos métodos pueden utilizarse para crear nuevas hipótesis que se contrasten con los conjuntos de datos más amplios.

Etimología

En la década de 1960, los estadísticos y economistas utilizaron términos como pesca de datos o dragado de datos para referirse a lo que consideraban la mala práctica de analizar datos sin una hipótesis previa . El economista Michael Lovell utilizó el término "minería de datos" de manera igualmente crítica en un artículo publicado en la Review of Economic Studies en 1983. [ 9 ] [ 10 ] Lovell indica que la práctica "se disfraza bajo una variedad de alias, que van desde la "experimentación" (positiva) hasta la "pesca" o el "espionaje" (negativo).

El término minería de datos apareció alrededor de 1990 en la comunidad de bases de datos, con connotaciones generalmente positivas. Durante un breve período en la década de 1980, se utilizó la frase "database mining"™, pero dado que fue registrada por HNC, una empresa con sede en San Diego , para promocionar su Database Mining Workstation; [ 11 ] los investigadores en consecuencia recurrieron a la minería de datos . Otros términos utilizados incluyen arqueología de datos , recolección de información , descubrimiento de información , extracción de conocimiento , etc. Gregory Piatetsky-Shapiro acuñó el término "descubrimiento de conocimiento en bases de datos" para el primer taller sobre el mismo tema (KDD-1989) [ 12 ] y este término se hizo más popular en las comunidades de IA y aprendizaje automático . Sin embargo, el término minería de datos se hizo más popular en las comunidades empresariales y de prensa. [ 13 ] Actualmente, los términos minería de datos y descubrimiento de conocimiento se utilizan indistintamente.

Fondo

La extracción manual de patrones de datos se ha realizado durante siglos. Los primeros métodos para identificar patrones en los datos incluyen el teorema de Bayes (siglo XVIII) y el análisis de regresión (siglo XIX). [ 14 ] La proliferación, ubicuidad y creciente poder de la tecnología informática han aumentado drásticamente la capacidad de recopilación, almacenamiento y manipulación de datos. A medida que los conjuntos de datos han crecido en tamaño y complejidad, el análisis de datos directo y manual se ha complementado cada vez más con el procesamiento de datos indirecto y automatizado, asistido por otros descubrimientos en ciencias de la computación, especialmente en el campo del aprendizaje automático, como redes neuronales , análisis de clústeres , algoritmos genéticos (década de 1950), árboles de decisión y reglas de decisión (década de 1960) y máquinas de vectores de soporte (década de 1990). La minería de datos es el proceso de aplicar estos métodos con la intención de descubrir patrones ocultos. [ 15 ] en grandes conjuntos de datos. Este sistema tiende un puente entre la estadística aplicada y la inteligencia artificial (que suelen proporcionar la base matemática) y la gestión de bases de datos, aprovechando la forma en que se almacenan e indexan los datos en las bases de datos para ejecutar los algoritmos de aprendizaje y descubrimiento de manera más eficiente, lo que permite aplicar dichos métodos a conjuntos de datos cada vez mayores.

Proceso

El proceso de descubrimiento de conocimiento en bases de datos (KDD) se define comúnmente con las siguientes etapas:

  1. Selección
  2. Preprocesamiento
  3. Transformación
  4. minería de datos
  5. Interpretación/evaluación. [ 5 ]

Sin embargo, existe en muchas variantes sobre este tema, como el Proceso Estándar Intersectorial para la Minería de Datos (CRISP-DM), que define seis fases:

  1. Comprensión empresarial
  2. comprensión de datos
  3. Preparación de datos
  4. Modelado
  5. Evaluación
  6. Despliegue

o un proceso simplificado como (1) Preprocesamiento, (2) Minería de datos y (3) Validación de resultados.

Las encuestas realizadas en 2002, 2004, 2007 y 2014 muestran que la metodología CRISP-DM es la metodología líder utilizada por los mineros de datos. [ 16 ] [ 17 ] [ 18 ] [ 19 ]

El único otro estándar de minería de datos mencionado en estas encuestas fue SEMMA . Sin embargo, entre tres y cuatro veces más personas informaron usar CRISP-DM. Varios equipos de investigadores han publicado revisiones de modelos de procesos de minería de datos, [ 20 ] y Azevedo y Santos realizaron una comparación de CRISP-DM y SEMMA en 2008. [ 21 ]

Preprocesamiento

Antes de utilizar algoritmos de minería de datos, es necesario recopilar un conjunto de datos objetivo. Dado que la minería de datos solo puede descubrir patrones presentes en los datos, el conjunto de datos objetivo debe ser lo suficientemente grande como para contener estos patrones, pero a la vez lo suficientemente conciso como para ser analizado dentro de un plazo aceptable. Una fuente común de datos es un almacén de datos o un data mart . El preprocesamiento es esencial para analizar los conjuntos de datos multivariados antes de la minería de datos. A continuación, se limpia el conjunto objetivo. La limpieza de datos elimina las observaciones que contienen ruido y aquellas con datos faltantes .

minería de datos

La minería de datos comprende seis clases comunes de tareas: [ 5 ]

  • Detección de anomalías (detección de valores atípicos, cambios o desviaciones): identificación de registros de datos inusuales que podrían ser interesantes o errores de datos que requieren una investigación más profunda por estar fuera del rango estándar.
  • Aprendizaje de reglas de asociación (modelado de dependencias): busca relaciones entre variables. Por ejemplo, un supermercado podría recopilar datos sobre los hábitos de compra de sus clientes. Mediante el aprendizaje de reglas de asociación, el supermercado puede determinar qué productos se compran juntos con frecuencia y utilizar esta información con fines de marketing. Esto se conoce a veces como análisis de cesta de la compra .
  • La agrupación (clustering ) es la tarea de descubrir grupos y estructuras en los datos que sean de alguna manera "similares", sin utilizar estructuras conocidas en los datos.
  • La clasificación consiste en generalizar una estructura conocida para aplicarla a nuevos datos. Por ejemplo, un programa de correo electrónico podría intentar clasificar un correo como "legítimo" o como " spam ".
  • La regresión intenta encontrar una función que modele los datos con el menor error posible, es decir, para estimar las relaciones entre datos o conjuntos de datos.
  • Resumen : proporciona una representación más compacta del conjunto de datos, incluyendo la visualización y la generación de informes.

Validación de resultados

Un ejemplo de datos generados mediante la extracción de datos a través de un bot operado por el estadístico Tyler Vigen, que aparentemente muestra una estrecha relación entre la mejor palabra ganadora de un concurso de ortografía y el número de personas en los Estados Unidos muertas por arañas venenosas.

La minería de datos puede usarse involuntariamente, produciendo resultados que parecen significativos pero que en realidad no predicen el comportamiento futuro y no pueden reproducirse en una nueva muestra de datos, por lo que resultan poco útiles. Esto a veces se debe a investigar demasiadas hipótesis y no realizar pruebas de hipótesis estadísticas adecuadas . Una versión simple de este problema en el aprendizaje automático se conoce como sobreajuste , pero el mismo problema puede surgir en diferentes fases del proceso y, por lo tanto, una división en conjuntos de entrenamiento y prueba —cuando sea aplicable— puede no ser suficiente para evitar que esto suceda. [ 22 ]

El paso final del descubrimiento de conocimiento a partir de datos es verificar que los patrones producidos por los algoritmos de minería de datos se presenten en el conjunto de datos más amplio. No todos los patrones encontrados por los algoritmos son necesariamente válidos. Es común que los algoritmos de minería de datos encuentren patrones en el conjunto de entrenamiento que no están presentes en el conjunto de datos general. Esto se denomina sobreajuste . Para superar esto, la evaluación utiliza un conjunto de datos de prueba en el que el algoritmo de minería de datos no fue entrenado. Los patrones aprendidos se aplican a este conjunto de prueba y el resultado se compara con el resultado deseado. Por ejemplo, un algoritmo de minería de datos que intenta distinguir correos electrónicos "spam" de correos electrónicos "legítimos" se entrenaría con un conjunto de entrenamiento de correos electrónicos de muestra. Una vez entrenado, los patrones aprendidos se aplicarían al conjunto de prueba de correos electrónicos en el que no se había entrenado. La precisión de los patrones se puede medir a partir de la cantidad de correos electrónicos que clasifican correctamente. Se pueden utilizar varios métodos estadísticos para evaluar el algoritmo, como las curvas ROC .

Si los patrones aprendidos no cumplen con los estándares deseados, es necesario reevaluar y modificar los pasos de preprocesamiento y minería de datos. Si los patrones aprendidos sí cumplen con los estándares deseados, el paso final consiste en interpretarlos y transformarlos en conocimiento.

Investigación

El principal organismo profesional en este campo es el Grupo de Interés Especial (SIG) sobre Descubrimiento de Conocimiento y Minería de Datos ( SIGKDD ) de la Association for Computing Machinery (ACM) . [ 23 ] [ 24 ] Desde 1989, este SIG de la ACM ha organizado una conferencia internacional anual y publicado sus actas, [ 25 ] y desde 1999 publica una revista académica semestral titulada "SIGKDD Explorations". [ 26 ]

Las conferencias de informática sobre minería de datos incluyen:

Los temas de minería de datos también están presentes en muchas conferencias sobre gestión de datos y bases de datos, como la Conferencia ICDE, la Conferencia SIGMOD y la Conferencia Internacional sobre Bases de Datos Muy Grandes.

Estándares

Se han realizado algunos esfuerzos para definir estándares para el proceso de minería de datos, como el Proceso Estándar Europeo Intersectorial para la Minería de Datos (CRISP-DM 1.0) de 1999 y el estándar Java para la Minería de Datos (JDM 1.0) de 2004. El desarrollo de las versiones posteriores de estos procesos (CRISP-DM 2.0 y JDM 2.0) se inició en 2006, pero se ha estancado desde entonces. JDM 2.0 se retiró sin llegar a una versión final.

Para el intercambio de los modelos extraídos —en particular para su uso en análisis predictivos— el estándar clave es el Lenguaje de Marcado de Modelos Predictivos (PMML), un lenguaje basado en XML desarrollado por el Grupo de Minería de Datos (DMG) y compatible como formato de intercambio con numerosas aplicaciones de minería de datos. Como su nombre indica, solo abarca modelos de predicción, una tarea específica de minería de datos de gran importancia para las aplicaciones empresariales. Sin embargo, se han propuesto extensiones para cubrir (por ejemplo) la agrupación de subespacios, independientemente del DMG. [ 27 ]

Usos notables

La minería de datos se utiliza siempre que hay datos digitales disponibles. Ejemplos notables de minería de datos se pueden encontrar en los ámbitos de los negocios, la medicina, la ciencia, las finanzas, la construcción y la vigilancia.

Preocupaciones por la privacidad y la ética

Aunque el término "minería de datos" en sí mismo puede no tener implicaciones éticas, a menudo se asocia con la extracción de información en relación con el comportamiento del usuario (ético o de otro tipo). [ 28 ]

Las formas en que se puede utilizar la minería de datos pueden, en algunos casos y contextos, plantear interrogantes sobre la privacidad , la legalidad y la ética . [ 29 ] En particular, la minería de datos de conjuntos de datos gubernamentales o comerciales con fines de seguridad nacional o aplicación de la ley , como en el Programa de Conciencia de la Información Total o en ADVISE , ha generado preocupaciones sobre la privacidad. [ 30 ] [ 31 ]

La minería de datos requiere una preparación de datos que revele información o patrones que comprometan la confidencialidad y las obligaciones de privacidad . Una forma común de que esto ocurra es mediante la agregación de datos . La agregación de datos implica combinar datos (posiblemente de diversas fuentes) de manera que facilite el análisis (pero que también podría hacer deducible o evidente la identificación de datos privados a nivel individual). [ 32 ] La amenaza a la privacidad de un individuo entra en juego cuando los datos, una vez compilados, permiten al analista de datos, o a cualquier persona que tenga acceso al conjunto de datos recién compilado, identificar a individuos específicos, especialmente cuando los datos eran originalmente anónimos. [ 33 ]

Los datos también pueden modificarse para que sean anónimos, de modo que las personas no puedan ser identificadas fácilmente. [ 32 ] Sin embargo, incluso los conjuntos de datos " anonimizados " pueden contener información suficiente para permitir la identificación de personas, como ocurrió cuando los periodistas pudieron encontrar a varias personas basándose en un conjunto de historiales de búsqueda que AOL publicó inadvertidamente . [ 34 ]

La revelación involuntaria de información personal identificable al proveedor viola las Prácticas Justas de Información. Esta indiscreción puede causar daños financieros, emocionales o físicos a la persona afectada. En un caso de violación de la privacidad , los clientes de Walgreens presentaron una demanda contra la compañía en 2011 por vender información de recetas a empresas de minería de datos, las cuales a su vez proporcionaron los datos a compañías farmacéuticas. [ 35 ]

Situación en Europa

Europa cuenta con leyes de privacidad bastante estrictas, y se están realizando esfuerzos para fortalecer aún más los derechos de los consumidores. Sin embargo, los Principios de Puerto Seguro entre EE. UU. y la UE , desarrollados entre 1998 y 2000, exponen actualmente a los usuarios europeos a la explotación de su privacidad por parte de empresas estadounidenses. Como consecuencia de la revelación de Edward Snowden sobre la vigilancia global , se ha intensificado el debate sobre la revocación de este acuerdo, ya que, en particular, los datos quedarían totalmente expuestos a la Agencia de Seguridad Nacional , y los intentos de llegar a un acuerdo con Estados Unidos han fracasado. [ 36 ]

En el Reino Unido, en particular, se han dado casos de empresas que utilizan la minería de datos para dirigirse a ciertos grupos de clientes, obligándolos a pagar precios excesivamente altos. Estos grupos suelen ser personas de bajo nivel socioeconómico que desconocen las formas en que pueden ser explotadas en los mercados digitales. [ 37 ]

Situación en los Estados Unidos

En Estados Unidos, el Congreso ha abordado las preocupaciones sobre la privacidad mediante la aprobación de controles regulatorios como la Ley de Portabilidad y Responsabilidad del Seguro Médico (HIPAA). La HIPAA exige que las personas den su "consentimiento informado" respecto a la información que proporcionan y sus usos previstos, presentes y futuros. Según un artículo de Biotech Business Week , "en la práctica, la HIPAA podría no ofrecer mayor protección que las regulaciones vigentes en el ámbito de la investigación", afirma la AAHC. Más importante aún, el objetivo de la norma de protección mediante el consentimiento informado se está volviendo incomprensible para el ciudadano promedio. [ 38 ] Esto subraya la necesidad de la anonimidad de los datos en las prácticas de agregación y minería de datos.

La legislación estadounidense sobre privacidad de la información, como la HIPAA y la Ley de Derechos Educativos y Privacidad Familiar (FERPA), se aplica únicamente a las áreas específicas que abarca cada ley. El uso de la minería de datos por parte de la mayoría de las empresas en Estados Unidos no está regulado por ninguna ley.

Situación en Europa

unión Europea

Aunque un conjunto de datos no esté protegido por derechos de autor, la Unión Europea reconoce un derecho sobre las bases de datos , por lo que la minería de datos queda sujeta a los derechos de propiedad intelectual protegidos por la Directiva sobre bases de datos . Según la legislación europea sobre derechos de autor en bases de datos , la minería de obras protegidas por derechos de autor (como la minería web ) sin el permiso del titular de los derechos está permitida en virtud de los artículos 3 y 4 de la Directiva de 2019 sobre derechos de autor en el mercado único digital . En el artículo 3 se describe una excepción específica para la minería de datos de investigación científica, mientras que la excepción más general descrita en el artículo 4 solo se aplica si el titular de los derechos de autor no ha optado por no participar.

La Comisión Europea facilitó el debate entre las partes interesadas sobre la minería de texto y datos en 2013, bajo el título de Licencias para Europa. [ 39 ] El enfoque en la solución a este problema legal, como las licencias en lugar de las limitaciones y excepciones, llevó a que representantes de universidades, investigadores, bibliotecas, grupos de la sociedad civil y editores de acceso abierto abandonaran el diálogo con las partes interesadas en mayo de 2013. [ 40 ]

Reino Unido

Por recomendación del informe Hargreaves , el gobierno del Reino Unido modificó su ley de derechos de autor en 2014 para permitir la minería de contenido como limitación y excepción . [ 41 ] El Reino Unido fue el segundo país del mundo en hacerlo, después de Japón, que introdujo una excepción en 2009 para la minería de datos. Sin embargo, debido a la restricción de la Directiva de la Sociedad de la Información (2001), la excepción del Reino Unido solo permite la minería de contenido con fines no comerciales. La ley de derechos de autor del Reino Unido tampoco permite que esta disposición sea anulada por términos y condiciones contractuales.

Suiza

Desde 2020, Suiza también regula la minería de datos, permitiéndola en el ámbito de la investigación bajo ciertas condiciones establecidas en el art. 24d de la Ley Suiza de Derechos de Autor. Este nuevo artículo entró en vigor el 1 de abril de 2020. [ 42 ]

Situación en los Estados Unidos

La ley de derechos de autor de EE. UU. , y en particular su disposición sobre el uso legítimo , respalda la legalidad de la minería de contenido en Estados Unidos y otros países que también la contemplan, como Israel , Taiwán y Corea del Sur . Dado que la minería de contenido es transformadora, es decir, no sustituye la obra original, se considera lícita bajo el principio de uso legítimo. Por ejemplo, como parte del acuerdo con Google Books, el juez que presidió el caso dictaminó que el proyecto de digitalización de libros protegidos por derechos de autor de Google era lícito, en parte debido a los usos transformadores que demostraba dicho proyecto, entre ellos la minería de texto y datos. [ 43 ]

Software

Software y aplicaciones gratuitas de código abierto para la minería de datos.

Las siguientes aplicaciones están disponibles bajo licencias libres/de código abierto. También se ofrece acceso público al código fuente de las aplicaciones.

Software y aplicaciones de minería de datos de propiedad exclusiva

Las siguientes aplicaciones están disponibles bajo licencias propietarias.

  • Angoss KnowledgeSTUDIO: herramienta de minería de datos
  • LIONsolver : una aplicación de software integrada para minería de datos, inteligencia empresarial y modelado que implementa el enfoque de Aprendizaje y Optimización Inteligente (LION).
  • PolyAnalyst : software de minería de datos y texto de Megaputer Intelligence.
  • Microsoft Analysis Services : software de minería de datos proporcionado por Microsoft .
  • NetOwl : conjunto de productos de análisis de texto y entidades multilingües que permiten la minería de datos.
  • Oracle Data Mining : software de minería de datos de Oracle Corporation .
  • PSeven : plataforma para la automatización de la simulación y el análisis de ingeniería, la optimización multidisciplinar y la minería de datos proporcionada por DATADVANCE .
  • Qlucore Omics Explorer: software de minería de datos.
  • RapidMiner : Un entorno para experimentos de aprendizaje automático y minería de datos.
  • SAS Enterprise Miner : software de minería de datos proporcionado por el SAS Institute .
  • SPSS Modeler : software de minería de datos proporcionado por IBM .
  • STATISTICA Data Miner: software de minería de datos proporcionado por StatSoft .
  • Tanagra : Software de minería de datos orientado a la visualización, también para la enseñanza.
  • Vertica : software de minería de datos proporcionado por Hewlett-Packard .
  • Google Cloud Platform : modelos de aprendizaje automático personalizados y automatizados gestionados por Google .
  • Amazon SageMaker : servicio gestionado proporcionado por Amazon para la creación y puesta en producción de modelos de aprendizaje automático personalizados.

Véase también

Métodos
Dominios de aplicación
Ejemplos de aplicación
Temas relacionados

Para obtener más información sobre cómo extraer información de los datos (en contraposición al análisis de datos), consulte:

Otros recursos

Referencias

  1. 1 2 3 SIGKDD (30-04-2006). "Plan de estudios de minería de datos: una propuesta" . kdd.org ( Association for Computing Machinery ). Archivado del original el 14-10-2013 . Recuperado el 27-01-2014 .
  2. ↑ Clifton, Christopher (2010). "Encyclopædia Britannica: Definición de minería de datos" . Archivado del original el 5 de febrero de 2011. Recuperado el 9 de diciembre de 2010 .
  3. ↑ Hastie, Trevor ; Tibshirani, Robert ; Friedman, Jerome (2009). "Los elementos del aprendizaje estadístico: minería de datos, inferencia y predicción" . Archivado del original el 10 de noviembre de 2009. Recuperado el 7 de agosto de 2012 .
  4. ↑ Han, Jaiwei ; Kamber, Micheline; Pei, Jian (2011). Minería de datos: conceptos y técnicas (3.ª ed.). Morgan Kaufmann. ISBN  978-0-12-381479-1.
  5. 1 2 3 Fayyad, Usama ; Piatetsky-Shapiro, Gregory ; Smyth, Padhraic (1996). "De la minería de datos al descubrimiento de conocimiento en bases de datos" (PDF) . Archivado (PDF) del original el 9 de octubre de 2022. Recuperado el 17 de diciembre de 2008 .
  6. ↑ Han, Jiawei ; Kamber, Micheline (2001). Minería de datos: conceptos y técnicas . Morgan Kaufman . pag. 5.ISBN​  978-1-55860-489-6Por lo tanto , la minería de datos debería haberse llamado más apropiadamente "minería de conocimiento a partir de datos", que desafortunadamente es algo largo.
  7. ↑ Conferencia de otoño de OKAIRP 2005, Universidad Estatal de Arizona. Archivado el 1 de febrero de 2014 en Wayback Machine.
  8. ↑ Olson, DL (2007). Minería de datos en servicios empresariales. Service Business , 1 (3), 181–193. doi : 10.1007/s11628-006-0014-7
  9. ↑ Lovell, Michael C. (1983). "Minería de datos". The Review of Economics and Statistics . 65 (1): 1– 12. doi : 10.2307/1924403 . JSTOR 1924403 . 
  10. ↑ Charemza, Wojciech W.; Deadman, Derek F. (1992). «Minería de datos». Nuevas direcciones en la práctica econométrica . Aldershot: Edward Elgar. págs. 14–31 . ISBN  1-85278-461-X.
  11. ↑ Mena, Jesús (2011). Machine Learning Forensics for Law Enforcement, Security, and Intelligence . Boca Raton, FL: CRC Press (Taylor & Francis Group). ISBN 978-1-4398-6069-4.
  12. ↑ "Taller KDD-89" . KDnuggets . Archivado del original el 3 de febrero de 2019.
  13. ↑ Piatetsky-Shapiro, Gregory ; Parker, Gary (2011). "Lección: Minería de datos y descubrimiento de conocimiento: una introducción" . Introducción a la minería de datos . KD Nuggets. Archivado del original el 30 de agosto de 2012. Recuperado el 30 de agosto de 2012 .
  14. ↑ Coenen, Frans (2011-02-07). " Minería de datos: pasado, presente y futuro" . The Knowledge Engineering Review . 26 (1): 25– 29. doi : 10.1017/S0269888910000378 . ISSN 0269-8889 . S2CID 6487637. Archivado del original el 2023-07-02 . Recuperado el 2021-09-04 .  
  15. ↑ Kantardzic, Mehmed (2003). Minería de datos: conceptos, modelos, métodos y algoritmos . John Wiley & Sons. ISBN 978-0-471-22852-3OCLC 50055336​​ 
  16. ↑ "¿Cuál es la metodología principal que utiliza para la minería de datos (2002)?" . KDnuggets . 2002. Archivado del original el 16 de enero de 2017 . Consultado el 29 de diciembre de 2023 .
  17. ↑ "¿Qué metodología principal utiliza para la minería de datos (2004)?" . KDnuggets . 2004. Archivado del original el 8 de febrero de 2017 . Consultado el 29 de diciembre de 2023 .
  18. ↑ "¿Cuál es la metodología principal que utiliza para la minería de datos (2007)?" . KDnuggets . 2007. Archivado del original el 17 de noviembre de 2012 . Consultado el 29 de diciembre de 2023 .
  19. ↑ "¿Cuál es la metodología principal que utiliza para la minería de datos (2014)?" . KDnuggets . 2014. Archivado del original el 1 de agosto de 2016 . Consultado el 29 de diciembre de 2023 .
  20. ↑ Lukasz Kurgan y Petr Musilek: "Un estudio de los modelos de procesos de descubrimiento de conocimiento y minería de datos". Archivado el 26 de mayo de 2013 en Wayback Machine . The Knowledge Engineering Review . Volumen 21, número 1, marzo de 2006, págs . 1-24, Cambridge University Press, Nueva York, doi : 10.1017/S0269888906000737
  21. ↑ Azevedo, A. y Santos, MF KDD, SEMMA y CRISP-DM: una visión general paralela Archivado el 9 de enero de 2013 en Wayback Machine . En Actas de la Conferencia Europea IADIS sobre Minería de Datos 2008, págs. 182-185.
  22. ↑ Hawkins, Douglas M (2004). "El problema del sobreajuste". Journal of Chemical Information and Computer Sciences . 44 (1): 1– 12. doi : 10.1021/ci0342472 . PMID 14741005 . S2CID 12440383 .  
  23. ↑ "Microsoft Academic Search: Principales conferencias en minería de datos" . Microsoft Academic Search . Archivado del original el 19/11/2014 . Consultado el 13/06/2014 .
  24. ↑ "Google Académico: Publicaciones destacadas - Minería y análisis de datos" . Google Académico . Archivado del original el 10 de febrero de 2023. Consultado el 11 de junio de 2022 .
  25. ↑ Actas archivadas el 30 de abril de 2010 en Wayback Machine , Conferencias Internacionales sobre Descubrimiento de Conocimiento y Minería de Datos, ACM, Nueva York.
  26. ↑ Exploraciones de SIGKDD archivadas el 29/07/2010 en Wayback Machine , ACM, Nueva York.
  27. ↑ Günnemann, Stephan; Kremer, Hardy; Seidl, Thomas (2011). «Una extensión del estándar PMML a modelos de agrupamiento de subespacios». Actas del taller de 2011 sobre modelado predictivo del lenguaje de marcado . pág. 48. doi : 10.1145/2023598.2023605 . ISBN  978-1-4503-0837-3. S2CID 14967969 . 
  28. ↑ Seltzer, William (2005). "La promesa y los escollos de la minería de datos: cuestiones éticas" (PDF) . Sección de Estadísticas Gubernamentales de la ASA . Asociación Estadounidense de Estadística. Archivado (PDF) del original el 9 de octubre de 2022.
  29. ↑ Pitts, Chip (15 de marzo de 2007). "¿El fin del espionaje doméstico ilegal? No cuenten con ello" . Washington Spectator . Archivado del original el 28 de noviembre de 2007.
  30. ↑ Taipale, Kim A. (15 de diciembre de 2003). "Minería de datos y seguridad nacional: Conectando los puntos para dar sentido a los datos" . Columbia Science and Technology Law Review . 5 (2). OCLC 45263753. SSRN 546782. Archivado del original el 5 de noviembre de 2014. Recuperado el 21 de abril de 2004 .  
  31. ↑ Resig, John. "Un marco para la minería de servicios de mensajería instantánea" (PDF) . Archivado (PDF) del original el 9 de octubre de 2022. Recuperado el 16 de marzo de 2018 .
  32. 1 2 Piensa antes de excavar: Implicaciones de privacidad de la minería y agregación de datos Archivado el 17/12/2008 en Wayback Machine , NASCIO Research Brief, septiembre de 2004
  33. ↑ Ohm, Paul. "No construyas una base de datos de ruina" . Harvard Business Review .
  34. ↑ Los datos de búsqueda de AOL identificaron a personas. Archivado el 6 de enero de 2010 en Wayback Machine , SecurityFocus, agosto de 2006.
  35. ↑ Kshetri, Nir (2014). "El impacto de los macrodatos en la privacidad, la seguridad y el bienestar del consumidor" (PDF) . Telecommunications Policy . 38 (11): 1134– 1145. doi : 10.1016/j.telpol.2014.10.002 . Archivado (PDF) del original el 19 de junio de 2018. Recuperado el 20 de abril de 2018 .
  36. ↑ Weiss, Martin A.; Archick, Kristin (19 de mayo de 2016). "Privacidad de datos entre EE. UU. y la UE: del Safe Harbor al Privacy Shield" . Washington, DC Congressional Research Service. pág. 6. R44257. Archivado del original (PDF) el 9 de abril de 2020. Recuperado el 9 de abril de 2020. El 6 de octubre de 2015, el TJUE ... emitió una decisión que invalidó el Safe Harbor (con efecto inmediato), tal como se implementa actualmente.  
  37. ↑ Parker, George (30 de septiembre de 2018). "Empresas británicas señaladas por utilizar macrodatos para explotar a sus clientes" . Financial Times . Archivado del original el 10 de diciembre de 2022. Consultado el 4 de diciembre de 2022 .
  38. ↑ Editores de Biotech Business Week (30 de junio de 2008); BIOMEDICINA; La norma de privacidad HIPAA obstaculiza la investigación biomédica , Biotech Business Week, consultado el 17 de noviembre de 2009 en LexisNexis Academic
  39. ↑ "Licencias para Europa: Diálogo Estructurado con las Partes Interesadas 2013" . Comisión Europea . Archivado del original el 23 de marzo de 2013. Consultado el 14 de noviembre de 2014 .
  40. ↑ "Minería de texto y datos: su importancia y la necesidad de cambio en Europa" . Asociación de Bibliotecas de Investigación Europeas . Archivado del original el 29 de noviembre de 2014. Consultado el 14 de noviembre de 2014 .
  41. ↑ Investigadores del Reino Unido obtienen derechos de minería de datos en virtud de las nuevas leyes de derechos de autor del Reino Unido. Archivado el 9 de junio de 2014 en Wayback Machine Out-Law.com. Consultado el 14 de noviembre de 2014.
  42. ↑ "Fedlex" . Archivado del original el 16 de diciembre de 2021. Consultado el 16 de diciembre de 2021 .
  43. ↑ "El juez concede sentencia sumaria a favor de Google Books: una victoria en materia de uso legítimo" . Lexology.com . Antonelli Law Ltd. 19 de noviembre de 2013. Archivado del original el 29 de noviembre de 2014. Consultado el 14 de noviembre de 2014 .

Lecturas adicionales

  • Cabeña, Pedro; Hadjnian, Pablo; Stadler, Rolf; Verhees, Jaap; Zanasi, Alessandro (1997); Descubriendo la minería de datos: del concepto a la implementación , Prentice Hall , ISBN 0-13-743980-6
  • MS Chen, J. Han, PS Yu (1996) " Minería de datos: una visión general desde la perspectiva de las bases de datos. Archivado el 3 de marzo de 2016 en Wayback Machine ". Ingeniería del conocimiento y de datos, IEEE Transactions on 8 (6), 866–883
  • Feldman, Ronen; Sanger, James (2007); The Text Mining Handbook , Cambridge University Press , ISBN 978-0-521-83657-9
  • Guo, Yike; y Grossman, Robert (editores) (1999); Minería de datos de alto rendimiento: algoritmos de escalado, aplicaciones y sistemas , Kluwer Academic Publishers
  • Han, Jiawei , Micheline Kamber y Jian Pei. Minería de datos: conceptos y técnicas . Morgan Kaufmann, 2006.
  • Hastie, Trevor , Tibshirani, Robert y Friedman, Jerome (2001); Los elementos del aprendizaje estadístico: minería de datos, inferencia y predicción , Springer, ISBN 0-387-95284-5
  • Liu, Bing (2007, 2011); Minería de datos web: exploración de hipervínculos, contenido y datos de uso , Springer , ISBN 3-540-37881-2
  • Murphy, Chris (16 de mayo de 2011). "¿Es la minería de datos libertad de expresión?". InformationWeek : 12.
  • Nisbet, Robert; Elder, John; Miner, Gary (2009); Manual de análisis estadístico y aplicaciones de minería de datos , Academic Press /Elsevier, ISBN 978-0-12-374765-5
  • Poncelet, Pascal; Masseglia, Florent; y Teisseire, Maguelonne (editores) (octubre de 2007); "Patrones de minería de datos: nuevos métodos y aplicaciones", Information Science Reference , ISBN 978-1-59904-162-9
  • Tan, Pang Ning; Steinbach, Michael; y Kumar, Vipin (2005); Introducción a la minería de datos , ISBN 0-321-32136-7
  • Theodoridis, Sergios; y Koutroumbas, Konstantinos (2009); Reconocimiento de patrones , 4.ª edición, Academic Press, ISBN 978-1-59749-272-0
  • Weiss, Sholom M.; e Indurkhya, Nitin (1998); Minería de datos predictiva , Morgan Kaufmann
  • Witten, Ian H.; Frank, Eibe; Hall, Mark A. (30 de enero de 2011). Minería de datos: herramientas y técnicas prácticas de aprendizaje automático (3.ª  ed.). Elsevier. ISBN 978-0-12-374856-0.(Véase también el software gratuito Weka )
  • Ye, Nong (2003); Manual de minería de datos , Mahwah, NJ: Lawrence Erlbaum
Lecturas relacionadas
6 articulos
Data setData setA data set (or dataset) is a collection of data. In the case of tabular data, a data set corresponds to one or more database tables, where every co...Aprendizaje automáticoAprendizaje automáticoEl aprendizaje automático ( ML ) es un campo de estudio en inteligencia artificial que se ocupa del desarrollo y estudio de algoritmos estadísticos...EstadísticaEstadísticaLa distribución normal , una densidad de probabilidad muy común , se utiliza ampliamente en estadística inferencial . Los diagramas de dispersión y...Base de datosBase de datosEn informática , una base de datos es una colección organizada de datos o un tipo de almacenamiento de datos basado en el uso de un sistema de gest...InterdisciplinariedadLa interdisciplinariedad , [ 1 ] también conocida como estudios interdisciplinarios , es la combinación de múltiples disciplinas académicas en una ...Ciencias de la ComputaciónCiencias de la ComputaciónÁreas fundamentales de la informática La informática es el estudio de la computación , la información y la automatización . [1] [2] [3] La informát...