Please enable JavaScript.

Coggle requires JavaScript to display documents.

Analítica, image - Coggle Diagram

- - - - Información correcta, completa y estadísticamente significativa.
      - Se puede usar en el negocio, los resultados se pueden explicar en términos del negocio
      - No se quiere verificar sino descubrir
      - Formatos: Estructurados, No Estructurados y Semi Esctructurados
- - - - Objetivo: Predecir valores de una variable objetivo
      - Variables: de entrada, objetivo o de salida
      - Necesario ejemplos etiquetados
    - - Objetivo: Identificar patrones en los datos de entrada
      - Variables de entrada
      - Requiere Ejemplos
  - - - Objetivo: Predecir una variable objetivo a partir de un conjunto de variables de entrada
      - Variables: cualitativa, cuantitativa
      - Ejemplos: Regresión Lineal, Redes Regresión Logística, KNN, Árbol de Decisión, Ensambles
    - - Objetivo: Identificar un tipo de patrón o regla
      - Variables de entrada
      - Ejemplos: Clustering, Reglas de Asociación, Detencción de Anomalias, Patrones Secuenciales, Redes Neuroanales
- - - - Tarea: Analítica Predictiva, Aprendizaje supervisado
        
        Resultado: Perfil de los clientes que abandonan
        
        Cliente que no tiene un paquete de descuento.
        
        Clientes que disminuyen el $ de llamadas recibidas del mismo operador aumentan la tendencia al abandono
        
        Clientes cuya desviación estándar de llamadas de otros operadores aumenta, aumentan probabilidades de abandono
        
        Clientes que reciben llamadas de suscriptores que están con el mismo proveedor aumentan lealtad
  - - - 128 variables de 2215 comunidades, Datos de censo, Datos de crímenes, Datos de aplicación de la ley (policías por 100k, presupuesto de la policía )
        
        Técnica: Reglas de asociación
        
        Resultado
        
        Employed (High) & Kids Born to Never Married (High) - > Violent Crimes (High)
        
        Age: 16-24 (Low) & Kids Born to Never Married (High) ->Murders (High)
        
        Kids Born to Never Married (Low) & People in Dense Housing (Low) ->
        Robberies (Low)
        
        Tarea: Analítica descriptiva, Aprendizaje no supervisado
  - - - Agrupamiento según similitud.
      - Generalmente es la primera tarea en un proyecto de minería.
      - No supervisado.
        
        Resultado: Hot Spots
        
        Datos de entrada: Registros de crímenes, incluyendo fecha y lugar de ocurrencia.
        
        Salida: Hot Spots con el tipo de crimen
- - - - Entender el negocio
      - Entender los datos
      - Preparar los datos
      - Modelar
      - Evaluar
      - Desarrollo
- - - - Cantidad de datos
      - Tipos de atributos
        
        Cuantitativos o Cualitativos
      - Esquemas de codificación
- - - - Selección de Atributos
      - Revisión de Calidad
- - - - Link Title
    - - ¿Cuando discretizar?
        
        Cuando el algoritmo solo acepta cualitativos
        
        Cuando el error en la medida puede ser alto
        
        Cuando hay umbrales significativos a nivel de negocio
        
        Cuando la interpretación de la medida no es lineal
      - Tipos
        
        Por intervalos de igual amplitud
        
        De igual frecuencia
        
        De frecuencia fija
        
        Usando clustering
      - Link Title
    - - Link Title
    - - Link Title
    - - [Link Title]Link Title
    - - Link Title
- - - - Árboles de Decisión
        
        ALGORITMOS BASADOS EN ÁRBOLES DE DECISIÓN
        
        Conjunto de condiciones organizadas en una estructura jerárquica, de tal manera que la decisión final a tomar se pueda determinar siguiendo las condiciones que se cumplen desde la raíz del árbol hasta alguna de sus hojas.
        
        Cada nodo interior contiene una pregunta sobre un atributo concreto (con un hijo por cada posible respuesta) y cada nodo hoja se refiere a una decisión (clasificación)
        
        Cómo se construyen los árboles
        
        Cada algortimo define cómo seleccionar los atributos que usa en los nodos, cómo define los arcos, cuándo para de generar niveles
        
        ID 3 Y C4.5
        
        2 more items...
        
        CHAID
        
        CART
        
        Proceso de Poda
        
        Eliminar hojas, ramas o subárboles para mejorar el desempeño del árbol.
        
        Reemplazo de sudárbol
        
        Ascenso de subárbol
        
        Tolerancia al ruido / Tiende al sobreajuste
      - KNN
        
        K vecinos mas cercanos
        
        Basado en la noción de similitud
        
        Funciones de Distancia
        
        Euclidiana
        
        Manhattan
        
        Cos
        
        FUNCIONES DE DISTANCIA - SECUENCIAS
        
        Distancia de Levenshtein o Distancia de edición
        
        Mínimo número de ediciones requeridas para cambiar una cadena a en una cadena b, en donde las ediciones sólo pueden ser: inserción, sustitución y eliminación
        
        FUNCIONES DE DISTANCIA - CUALITATIVAS
        
        Distancia de hamming
  - - - Algoritmos para construir Ensambles
        
        Bagging
        
        Bootstrap aggregation
        
        Dado un conjunto de entrenamiento con n registros se seleccionan subconjuntos de entrenamiento aleatorios usando muestreo aleatorio con reemplazo de tamaño n. Con cada subconjunto se entrena un clasificador
        
        Boosting y Ada Boosting
        
        Boosting
        
        Se asigna un peso a cada registro del conjunto de entrenamiento. Cada iteración genera un modelo que busca minimizar la suma de los pesos de los registros mal clasificados. Los errores se usan para actualizar los pesos
        
        ADA BOOST: ADAptive BOOSTing
        
        Durante entrenamiento:
        
        Durante pruebas
        
        Randon Forest
        
        Diseñado específicamente para árboles. Cada árbol se genera a partir de una muestra tipo bootstrap y usando únicamente un subconjunto de atributos de entrada seleccionados aleatoriamente
        
        Stacking
        
        Permite usar (apilar) diferentes modelos.
        
        Desventajas
        
        Son difíciles de interpretar
        
        No son útiles cuando los clasificadores individuales resultantes son muy similiares
        
        Mas exigentes a nivel de procesamiento que los algoritmos individuales tanto durante entrenamiento como durante pruebas
        
        Ventajas
        
        Combinar clasificadores reduce el riesgo se seleccinar un clasificaro poco eficiente
        
        Es posible abarcar diferentes particiones de los datos por clasificadores diferentes cuando el conjunto de entrenamiento es grande
        
        La sabiduria de la multidud
        
        Si es un ensamble de clasificadores se valida como un clasificador
    - - Durante entrenamiento, se generan varios predictores a partir del mismo conjunto de datos
      - Durante pruebas: Se integran los predictores usando una función de combinación
    - - Clasificador
        
        Se debe definir el número de clasificadores deseado y cada uno será diferente
      - Combinación
        
        La función
    - - Manipular los datos de Entrenamiento
      - Manipular los atributos de Entrada
      - Realizar cambios Aleatorios
  - - - Características de un Cluster
        
        Centroide
        
        Radio
        
        Diámetro
    - - Identifica agrupaciones naturales de objetos similares entre si y diferentes de los objetos pertenecientes a otras agrupaciones
      - Aplicaciones: Agrupaciones de: países, pacientes, imágenes. Delitos similares y atípicos. Perfilamiento de usuarios
      - Principios
        
        Alta cohesión y Bajo Acoplamiento
        
        Similitud o disimilitud
        
        Características de un cluster
        
        Comparando cluster
    - - Link Title
        
        Orientados a Atributos Cuantitativos
        
        Distancia Euclidiana o L2
        
        Distancia Manhattan o L1
        
        Distancia Chebysev o máxima
        
        Orientados a Atributos Cualitativos o Mixtos
        
        Orientados a Atributos con Frecuencia o Datos Binarios Asimétricos
        
        Similitud de Coseno
        
        Similitud de Jaccard
        
        Orientada a Cadenas de Caracteres
        
        Distancia de Hamming
        
        Distancia de Levenshtein o de edición
    - - Enlace Simple
        
        Distancia entre los puntos mas cercanos
      - Enlace Completo
        
        Distancia entre los puntos mas lejanos
      - Enlace Promedio
      - Enlace Centroides
    - - Jerárquicos
        
        No construyen una sola partición sino una jerarquía de particiones. Podemos decidir dónde cortar la jerarquía para obtener la partición que más nos convenza
        
        Algoritmos Aglomerativos
        
        Los Cluster son mezclados en cada nivel
        
        Enlace simple
        
        Enlace Completo
        
        Enlace Promedio
        
        Algoritmos Divisivos
      - Por Parcionamiento
        
        Obtienen al final un solo esquema de partición. Producen los clusters a partir de la optimización de un criterio definido localmente o globalmente
        
        Criterio Global
        
        K-means
        
        Paso 1: Selección de semillas
        
        1 more item...
        
        Cómo seleccionar la K?
        
        2 more items...
        
        Algoritmo K-vecinos más cercanos
        
        K-mediodes
        
        Error cuadrático: Minimizar el error cuadrático
        
        Criterio Local
        
        Basados en densidad
  - - - Definición
        
        Es una regla probabilística del tipo Si Antecedente entonces Consecuente
        
        Descriptiva, no supervisada
        
        Vino -> Queso.Diane 35 - > Efecto adverso Mareo
      - Conceptos
        
        Conceptos relevantes: Transacción, Item, Itemset frecuente, regla
    - - Marketing
        
        Posicionamiento de productos en estantes
        
        Logística de abastecimiento
        
        Venta cruzada, impulso de productos
        
        Diseño de catálogo
      - Análisis de Diagnóstico
        
        Análisis de síntomas
        
        Análisis de factores de riesgo frente a un diagnóstico
        
        Detección de diagnósticos probables
        
        Asociaciones de aminoácidos presentes en una proteina
      - Análisis comunidades
        
        Perfilar comunidades a partir de lo recolectado en censos
        
        Detección de patrones en fraudes cometidos
        
        Sistemas de recomendación en cualquier ámbito
    - - Descubrir patrones criminales por comunidades
        
        Datos de entrada:
        
        128 variables de 2215 comunidades. Datos de censo. Datos de crímenes . Datos de aplicación de la ley (policías por 100k, presupuesto de la policia)
        
        ¿Que tipos de reglas se obtuvieron?
        
        Race African American (Middle) & Houses with Public Assistance Income (Medium) ->Assaults (Medium)
        
        Race Caucasian (Minority) & Kids Born to Never Married(High) - > Robberies (High)
        
        Employed (High) & Kids Born to Never Married (High) - > Violent Crimes (High
        
        Age: 16-24 (Low) & Kids Born to Never Married (High) ->Murders (High)
    - - Soporte
        
        Proporción de transacciones que contienen tanto el antecedente como el consecuente
      - Confianza
        
        Proporción de transacciones que contienen el antecedente y consecuente con respecto al número de transacciones que contienen el antecedente. Es la probabilidad condicional del consecuente dado el antecedente
      - Mejora
        
        Proporción de la frecuencia del consecuente en las transacciones que contiene el antecedente sobre la frecuencia del consecuente en toda la base de datos
    - - Algoritmo mas usado: Apriori
- - - - Árbol de Decisión
      - Redes Neuronales
      - Regresión Logística
      - Métodos de Validación
        
        https://www.youtube.com/watch?v=EP5bn7s1W6E
      - Medidas de Desempeño
        
        https://www.youtube.com/watch?v=K5PNrX694HQ