Mineria de datos

Descripción: CAPÍTULO 1: Conceptos básicos de minería de datos 1.1 Minería de datos 1.2 Procesos de minería de datos (KDD) 1.3 Metodología CRISP 1.4 Modelo 1.5 Modelo híbrido 1.6 Predicción 1.7 Almacén de datos (data warehouse) Resumen CAPÍTULO 2: Técnicas y aplicación de la minería de datos 2.1 Modelos de minería de datos 2.2 Métodos de minería de datos 2.2.1 Árboles de clasificación 2.2.2 Redes neuronales 2.3 Aplicación de la minería de datos 2.3.1 Minería de datos en la educación Resumen CAPÍTULO 3: Presentación general de SPSS Clementine 3.1 SPSS Clementine 3.1.1 Sector público 3.1.2 CRM 3.1.3 Web mining 3.1.4 Desarrollo de fármacos Resumen CAPÍTULO 4: Interfaz y categorías de SPSS Clementine 4.1 Elementos de la interfaz de SPSS Clementine 4.1.1 Clementine Stream Canvas 4.1.2 Nodos Palette 4.1.3 Clementine Managers 4.1.4 Clementine Proyects 4.2 Categorías de SPSS Clementine 4.2.1 Categoría Source 4.2.2 Categoría Record Ops 4.2.3 Categoría Field Ops 4.2.4 Categoría Output 4.2.5 Categoría Graphs 4.2.6 Categoría Modeling 4.2.7 Categoría Export Resumen CAPÍTULO 5: Instalación de SPSS Clementine 5.1 Instalación del programa SPSS Clementine 5.1.1 Pasos de la instalación del software SPSS Clementine Resumen CAPÍTULO 6: Aplicaciones con diferentes técnicas de minería de datos 6.1 Caso n.° 1: Predicción de juego de tenis (árboles de decisión 6.2 Caso n.° 2: Predicción de planta iris 6.3 Caso n.° 3: Predicción de fármacos 6.4 Caso n.° 4: Problemas de clúster (caso empleados Memolum Web) 6.5 Caso n.° 5: Agrupamientos en relación a las ventas 6.6 Caso n.° 6: Datos erróneos y faltantes (empleados Memolum Web) 6.7 Caso n.° 7: Obtener y transformar datos a través de ODBC (conexión de base de datos abierta 6.8 Caso n.° 8: Catalog_forecast (series de tiempo 6.9 Caso n.° 9: Computer hardware data set 6.10 Caso n.° 10: Detección de fraude 6.11 Caso n.° 11: Validación de modelo Drug con datos nuevos 6.12 Caso n.° 12: Integración y partición de datos 6.13 Caso n.° 13: Columna vertebral (partición de datos 6.14 Caso n.° 14: Validación cruzada 6.15 Caso n.° 15: Trabajar con pocos registros 6.16 Caso n.° 16: Reglas de asociación y dependencia 6.17 Caso n.° 17: Regresión logística (telecomunicaciones churn) 6.18 Caso n.° 18: Predicción secuencial 6.19 Caso n.° 19: Exportación de modelos y resultados 6.20 Caso n.° 20: Series de tiempo (pronosticar Resumen