2026-06-02T21:40:27Zhttps://riuma.uma.es/rest/oai/request
oai:riuma.uma.es:10630/26382026-02-03T12:35:52Zcom_10630_2254col_10630_37957
RIUMA. Repositorio Institucional de la Universidad de Málaga advisor Morales-Bueno, Rafael author Fortes-Ruiz, Inmaculada 2010-04-29T09:32:52Z 2010-04-29T09:32:52Z 2001 http://hdl.handle.net/10630/2638 Este trabajo se enmarca dentro del área de descubrimiento de conocimiento, concretamente en el área de la prospección de datos. En los últimos años, la capacidad de generar y almacenar datos ha crecido de una forma considerable llegando a cantidades enormes. Por lo tanto, surge la necesidad de desarrollar nuevas técnicas con la capacidad para analizar de manera automática grandes volúmenes de datos y cuyo fin es obtener información útil y valiosa. Dentro del descubrimiento de conocimiento se encuentra el área de la prospección de datos. Este trabajo se centra en las tareas de asociación, clasificación y prospección en la red. En el capitulo 1 hacemos un rápido recorrido por las nociones básicas utilizadas en los siguientes capítulos. En el capitulo 2 incluimos como primera aportación de este trabajo la generalización de la búsqueda en bases de datos de conjuntos frecuentes con atributos positivos y negativos. En primer lugar, se formaliza el problema introduciendo un lenguaje, una relación de especialización y un predicado adecuados. A partir de ahí, se introducen las definiciones necesarias para los ítem sets con atributos negativos para a continuación presentar las proposiciones que nos llevaran a los algoritmos que se han desarrollado para obtener todos los conjuntos frecuentes con el menor esfuerzo computacional, es decir, evitado evaluar directamente cada conjunto en la base de datos y calculando su frecuencia a partir de las frecuencias ya calculadas de determinados conjuntos. En el capitulo 3 adaptamos los algoritmos de aprendizaje de árboles de decisión para considerar las experiencias que tienen valores desconocidos en algún atributo. Definimos un criterio general de división, asignamos valores a los valores desconocidos teniendo en cuenta la información dado por los valores del atributo y de la clase y estudiamos la predicción de observaciones con valores desconocidos. spa Minería de datos - Tesis doctorales Prospección de datos, aprendizaje computacional y técnicas estadísticas para la obtención de reglas doctoral thesis URL https://riuma.uma.es/bitstreams/1424ca8e-8861-4305-b21c-a701762c5a53/download File MD5 0fd2c58a767a25aa0b000af2a7311069 145673242 application/pdf 17393000.pdf URL https://riuma.uma.es/bitstreams/1a9764cc-b18d-4fea-bb6b-1d6c3a114daf/download File MD5 277ede2a85dec32913ded04bf973a0f8 243377 text/plain 17393000.pdf.txt