Minería de datos: aplicaciones, herramientas, tipos de aprendizaje y otros subtemas
DOI:
https://doi.org/10.5380/atoz.v3i2.41340Palabras clave:
minería de datos, herramientas para la minería de datos, Minería de datos - usoResumen
Expertos en el tema de minería de datos presentan conceptos, características, limitaciones y posibilidades de la minería de datos, incluyendo la indicación de herramientas disponibles, las relaciones con la inteligencia artificial, y las implicaciones de su uso en la inteligencia de negocios.
Citas
Alcala-Fdez, J., Fernandez, A., Luengo, J., Derrac J., Garcia, S., Sanchez, S., & Herrera F. (2011). KEEL data-mining software tool: Data set repository, integration of algorithms and experimental analysis framework. J. of Mult.-Valued Logic & Soft Computing, 17, 255–287. Retirado de http://sci2s.ugr.es/publications/ficheros/2010-JMVLSC-Alcala_Fdez-KEEL-dataset.pdf
Demsar, J., Zupan, B., Leban, G., & Curk, T. (2004). Orange: From experimental machine learning to interactive data mining. 8th European Conference on Principles and Practice of Knowledge Discovery in Databases, 537-539. doi: 10.1007/978-3-540-30116-5_58
Fayyad, U. M., Piatetsky Shapiro, G., Smyth, P., & Uthurusamy, R. (1996). Advances in Knowledge Discovery and Data Mining. California, USA: AAAI, MIT.
Fernandez, G. (2003). Data mining using SAS application. London: Chapman & Hall.
Hofmann, M., & Klinkenberg, R. (2013). RapidMiner: Data mining use cases and business analytics applications. Retirado de https://books.google.com/books?isbn=1482205491
Ingersoll, G. (2009). Introducing Apache Mahout Scalable, commercial-friendly machine learning for building intelligent applications. Retirado de http://www.ibm.com/developerworks/java/library/j-mahout/j-mahout-pdf.pdf
Rakotomalala, R. (2005). TANAGRA: a free software for research and academic purposes. Proceedings of EGC RNTI-E-3, 2th, 697-702. Retirado de http://eric.univ-lyon2.fr/~ricco/tanagra/en/tanagra.html
Seidman, C. (2001). Data mining with Microsoft SQL Server 2000 technical reference. Redmond: Microsoft.
Tamayo, P., Berger, C., Campos, M., Yarmus, J., Milenova, B., Mozes, A., ... , & Myczkowski, J. (2005). Oracle data mining. In Maimon, O., & Rokach, L. (Eds.). Data Mining and Knowledge Discovery Handbook (1315-1329). New York: Springer. doi: 10.1007/0-387-25465-X_63
Witten I. H., & Frank E. (2000). Machine learning algorithms in Java. Retirado de http://www.cs.waikato.ac.nz/ml/weka/
Publicado
Cómo citar
Número
Sección
Licencia
La revista AtoZ es una revista científica de acceso abierto y los derechos de autor de artículos y entrevistas pertenecen a sus respectivos autores/encuestados. Los autores otorgan a la AtoZ el direito de incluir el material publicado (revisado por pares/pos-print) en em sistemas/herramientas de indización, agregadores o curadores.
Los autores tienen permiso y se les anima a depositar sus artículos en sus páginas personales, depósitos y/o portales institucionales anteriormente (pre-print) y posteriormente (post-print) a la publicación en esa Revista. Se pide, si possible, que se apunte la referencia bibliográfica del artículo (incluyendose la URL) en base a la AtoZ.
La AtoZ es sello verde por Diadorim/IBICT.
Todo el contenido de la revista (incluyendo las instrucciones, modelos y política editorial) a menos que se indique otra cosa, están bajo una Licencia de Atribución de Bienes Comunes Creativos (CC) 4.0 Internacional.
Cuando los artículos son publicados por esta revista, se pueden compartir (copiar y redistribuir el material en cualquier soporte o formato para cualquier propósito, incluso comercial) y adaptar (remezclar, transformar y crear a partir del material para cualquier propósito, incluso si es comercial). Debe dar el crédito correspondiente, proporcionar un enlace a la licencia e indicar si se realizaron cambios.
La AtoZ no cobra cualquier tasas por la sumisión y/o procesamiento y/o la publicación de artículos.
























