Mostrar el registro sencillo del ítem
Prospección de datos, aprendizaje computacional y técnicas estadísticas para la obtención de reglas
dc.contributor.advisor | Morales-Bueno, Rafael | es_ES |
dc.contributor.author | Fortes-Ruiz, Inmaculada | es_ES |
dc.contributor.other | Departamento de Lenguajes y Ciencias de la Computación | es_ES |
dc.date.accessioned | 2010-04-29T09:32:52Z | |
dc.date.available | 2010-04-29T09:32:52Z | |
dc.date.created | 2002 | |
dc.date.issued | 2001 | |
dc.identifier.uri | http://hdl.handle.net/10630/2638 | |
dc.description.abstract | 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. | es_ES |
dc.language.iso | spa | es_ES |
dc.rights | info:eu-repo/semantics/openAccess | |
dc.rights | info:eu-repo/semantics/openAccess | |
dc.subject | Minería de datos - Tesis doctorales | es_ES |
dc.title | Prospección de datos, aprendizaje computacional y técnicas estadísticas para la obtención de reglas | es_ES |
dc.type | info:eu-repo/semantics/doctoralThesis | es_ES |