SlideShare uma empresa Scribd logo
1 de 24
BASES DE DATOS AVANZADAS

TÉCNICA DE AGRUPACIÓN
BASES DE DATOS AVANZADAS
BASES DE DATOS AVANZADAS

2013
QUE ES?
El análisis de clúster o clustering es una
colección de métodos estadísticos que
permiten agrupar datos sobre los cuales miden
diferentes variables o características.
En la minería de datos, se lo considera una
técnica de aprendizaje no supervisado .
EN QUE CONSISTE?
Es el Proceso de dividir un conjunto de datos
en grupos mutuamente excluyentes, de tal
manera que cada miembro de un grupo este
lo mas cercano posible al otro.
FUNCIONALIDAD
 Se

construye una jerarquía de grupos
separándolos iterativamente (repetitivamente).

 Los elementos se van asignando a los grupos en

función de su cercanía.
CARACTERISTICAS
 Alto rendimiento

Se ve reflejado en el procesamiento de los datos.
 Alta disponibilidad

Proveer disponibilidad y confiabilidad.
 Alta eficiencia

Existe independencia de datos entre los cluster existentes.
APLICACIONES
En la Minería de datos
Utiliza la transformación de los datos al formato
requerido, para el algoritmo especifico para la minería
de datos, buscando patrones que puedan expresarse
como modelo.

En la Robótica
Utiliza un conjunto de técnicas y conceptos teóricos
comunes, ejemplo los modelos probabilísticos como
métodos de representación de la información.
Tecnicas de Agrupamiento
Tecnicas de Agrupamiento
Tecnicas de Agrupamiento
Tecnicas de Agrupamiento
Tecnicas de Agrupamiento
Tecnicas de Agrupamiento
Tecnicas de Agrupamiento
Tecnicas de Agrupamiento
Tecnicas de Agrupamiento
Tecnicas de Agrupamiento
Tecnicas de Agrupamiento
Tecnicas de Agrupamiento
Tecnicas de Agrupamiento
Tecnicas de Agrupamiento
Tecnicas de Agrupamiento
Tecnicas de Agrupamiento
Tecnicas de Agrupamiento
Tecnicas de Agrupamiento

Mais conteúdo relacionado

Mais procurados

Monografia Data Mining
Monografia Data Mining   Monografia Data Mining
Monografia Data Mining PabloMolina111
 
Protección y seguridad En Los Sistemas Operativos
Protección y seguridad En Los Sistemas OperativosProtección y seguridad En Los Sistemas Operativos
Protección y seguridad En Los Sistemas OperativosValmore Medina
 
5.medidas de tendencia central
5.medidas de tendencia central5.medidas de tendencia central
5.medidas de tendencia centralrosa61
 
Minería de datos
Minería de datosMinería de datos
Minería de datosKeopx
 
Inteligencia de negocios
Inteligencia de negociosInteligencia de negocios
Inteligencia de negociosjeffersonjsk
 
1. limpieza y transformación de datos
1. limpieza y transformación de datos1. limpieza y transformación de datos
1. limpieza y transformación de datosMiguel Murillo
 
Tipos de consultas en access
Tipos de consultas en accessTipos de consultas en access
Tipos de consultas en accessPaolaAlbuja
 
Datos e informacion
Datos e informacionDatos e informacion
Datos e informacionfakino
 
1.2. DescripcióN De Datos
1.2. DescripcióN De Datos1.2. DescripcióN De Datos
1.2. DescripcióN De DatosITCM
 
Integración de visiones
Integración de visionesIntegración de visiones
Integración de visionesNilson Tirado
 
control interno informatico
control interno informaticocontrol interno informatico
control interno informaticoManuel Medina
 
Mapa conceptual sistema de informacion
Mapa conceptual  sistema de informacionMapa conceptual  sistema de informacion
Mapa conceptual sistema de informacionpr2545
 
La minería de datos en el proceso de KDD
La minería de datos en el proceso de KDD La minería de datos en el proceso de KDD
La minería de datos en el proceso de KDD travon1
 

Mais procurados (20)

Organizacion de Datos
Organizacion de DatosOrganizacion de Datos
Organizacion de Datos
 
DSS
DSSDSS
DSS
 
Classification
ClassificationClassification
Classification
 
Inteligencia de negocios
Inteligencia de negociosInteligencia de negocios
Inteligencia de negocios
 
Monografia Data Mining
Monografia Data Mining   Monografia Data Mining
Monografia Data Mining
 
Protección y seguridad En Los Sistemas Operativos
Protección y seguridad En Los Sistemas OperativosProtección y seguridad En Los Sistemas Operativos
Protección y seguridad En Los Sistemas Operativos
 
5.medidas de tendencia central
5.medidas de tendencia central5.medidas de tendencia central
5.medidas de tendencia central
 
Minería de datos
Minería de datosMinería de datos
Minería de datos
 
Inteligencia de negocios
Inteligencia de negociosInteligencia de negocios
Inteligencia de negocios
 
BUSINESS INTELLIGENCE
BUSINESS INTELLIGENCEBUSINESS INTELLIGENCE
BUSINESS INTELLIGENCE
 
Investigacion Estaditica
Investigacion EstaditicaInvestigacion Estaditica
Investigacion Estaditica
 
1. limpieza y transformación de datos
1. limpieza y transformación de datos1. limpieza y transformación de datos
1. limpieza y transformación de datos
 
Tipos de consultas en access
Tipos de consultas en accessTipos de consultas en access
Tipos de consultas en access
 
Datos e informacion
Datos e informacionDatos e informacion
Datos e informacion
 
1.2. DescripcióN De Datos
1.2. DescripcióN De Datos1.2. DescripcióN De Datos
1.2. DescripcióN De Datos
 
Integración de visiones
Integración de visionesIntegración de visiones
Integración de visiones
 
control interno informatico
control interno informaticocontrol interno informatico
control interno informatico
 
Mapa conceptual sistema de informacion
Mapa conceptual  sistema de informacionMapa conceptual  sistema de informacion
Mapa conceptual sistema de informacion
 
Base de datos
Base de datos Base de datos
Base de datos
 
La minería de datos en el proceso de KDD
La minería de datos en el proceso de KDD La minería de datos en el proceso de KDD
La minería de datos en el proceso de KDD
 

Destaque (15)

Regla sturges
Regla sturgesRegla sturges
Regla sturges
 
1.7. técnicas de agrupación
1.7.  técnicas de agrupación1.7.  técnicas de agrupación
1.7. técnicas de agrupación
 
Triggers
TriggersTriggers
Triggers
 
tipos de prueba
tipos de pruebatipos de prueba
tipos de prueba
 
cobertura de caminos
cobertura de caminoscobertura de caminos
cobertura de caminos
 
Programación dinámica
Programación dinámica Programación dinámica
Programación dinámica
 
cobertura de bucles
cobertura de buclescobertura de bucles
cobertura de bucles
 
Pruebas de penetración nmap
Pruebas de penetración nmapPruebas de penetración nmap
Pruebas de penetración nmap
 
Bases de datos para la toma de decisiones
Bases de datos para la toma de decisionesBases de datos para la toma de decisiones
Bases de datos para la toma de decisiones
 
Métodos de switching
Métodos de switching Métodos de switching
Métodos de switching
 
Tecnicas de agrupacion
Tecnicas de agrupacionTecnicas de agrupacion
Tecnicas de agrupacion
 
Unidad2 Bases De Datos Para L Toma De Desiciones
Unidad2 Bases De Datos Para L Toma De DesicionesUnidad2 Bases De Datos Para L Toma De Desiciones
Unidad2 Bases De Datos Para L Toma De Desiciones
 
Toma de decisiones
Toma de decisionesToma de decisiones
Toma de decisiones
 
pruebas de cajas blanca
 pruebas de cajas blanca pruebas de cajas blanca
pruebas de cajas blanca
 
Representación de los datos
Representación de los datosRepresentación de los datos
Representación de los datos
 

Semelhante a Tecnicas de Agrupamiento

Clasificacion analisis de cluster (clustering)
Clasificacion analisis de cluster (clustering)Clasificacion analisis de cluster (clustering)
Clasificacion analisis de cluster (clustering)Zynat
 
Técnicas más usadas en la mineria de datos
Técnicas más usadas en la mineria de datosTécnicas más usadas en la mineria de datos
Técnicas más usadas en la mineria de datosValeria Gavilanes
 
Basededatos 160410151250
Basededatos 160410151250Basededatos 160410151250
Basededatos 160410151250InternetCNeXt
 
Métodos predictivos y Descriptivos - MINERÍA DE DATOS
Métodos predictivos y Descriptivos - MINERÍA DE DATOSMétodos predictivos y Descriptivos - MINERÍA DE DATOS
Métodos predictivos y Descriptivos - MINERÍA DE DATOSlalopg
 
Técnicas de minería de datos
Técnicas de minería de datosTécnicas de minería de datos
Técnicas de minería de datosDavidAcurio2
 
OBJETIVOS Y SERVICIOS DE LOS SGBD.pptx
OBJETIVOS Y SERVICIOS DE LOS SGBD.pptxOBJETIVOS Y SERVICIOS DE LOS SGBD.pptx
OBJETIVOS Y SERVICIOS DE LOS SGBD.pptxMarilincruz4
 
Electiva iii parcial 2 - 02-minería de datos
Electiva iii   parcial 2 - 02-minería de datosElectiva iii   parcial 2 - 02-minería de datos
Electiva iii parcial 2 - 02-minería de datosArlin11
 
_Mundo de los Datos (1).pdf
_Mundo de los Datos  (1).pdf_Mundo de los Datos  (1).pdf
_Mundo de los Datos (1).pdfKamZee1
 
Técnicas de minería de datos
Técnicas de minería de datosTécnicas de minería de datos
Técnicas de minería de datosBryan Barragan
 
BigData 101 / Cursillo (Parte2)
BigData 101 / Cursillo (Parte2)BigData 101 / Cursillo (Parte2)
BigData 101 / Cursillo (Parte2)andres hurtado
 
Base de datos xavier rodriguez
Base de datos xavier rodriguezBase de datos xavier rodriguez
Base de datos xavier rodriguezxavieralejandro7
 
Mineria de Datos Dialnet.pdf
Mineria de Datos Dialnet.pdfMineria de Datos Dialnet.pdf
Mineria de Datos Dialnet.pdfVAOC1984
 
Base de datos Christopher Villarroel 25511145
Base de datos Christopher Villarroel 25511145Base de datos Christopher Villarroel 25511145
Base de datos Christopher Villarroel 25511145ChristopherVillarroe4
 

Semelhante a Tecnicas de Agrupamiento (20)

Clasificacion analisis de cluster (clustering)
Clasificacion analisis de cluster (clustering)Clasificacion analisis de cluster (clustering)
Clasificacion analisis de cluster (clustering)
 
Técnicas más usadas en la mineria de datos
Técnicas más usadas en la mineria de datosTécnicas más usadas en la mineria de datos
Técnicas más usadas en la mineria de datos
 
Basededatos 160410151250
Basededatos 160410151250Basededatos 160410151250
Basededatos 160410151250
 
Base de datos
Base de datosBase de datos
Base de datos
 
Métodos predictivos y Descriptivos - MINERÍA DE DATOS
Métodos predictivos y Descriptivos - MINERÍA DE DATOSMétodos predictivos y Descriptivos - MINERÍA DE DATOS
Métodos predictivos y Descriptivos - MINERÍA DE DATOS
 
Técnicas de minería de datos
Técnicas de minería de datosTécnicas de minería de datos
Técnicas de minería de datos
 
OBJETIVOS Y SERVICIOS DE LOS SGBD.pptx
OBJETIVOS Y SERVICIOS DE LOS SGBD.pptxOBJETIVOS Y SERVICIOS DE LOS SGBD.pptx
OBJETIVOS Y SERVICIOS DE LOS SGBD.pptx
 
Electiva iii parcial 2 - 02-minería de datos
Electiva iii   parcial 2 - 02-minería de datosElectiva iii   parcial 2 - 02-minería de datos
Electiva iii parcial 2 - 02-minería de datos
 
Sistemas de información
Sistemas de informaciónSistemas de información
Sistemas de información
 
_Mundo de los Datos (1).pdf
_Mundo de los Datos  (1).pdf_Mundo de los Datos  (1).pdf
_Mundo de los Datos (1).pdf
 
Técnicas de minería de datos
Técnicas de minería de datosTécnicas de minería de datos
Técnicas de minería de datos
 
BigData 101 / Cursillo (Parte2)
BigData 101 / Cursillo (Parte2)BigData 101 / Cursillo (Parte2)
BigData 101 / Cursillo (Parte2)
 
Base de Datos
Base de DatosBase de Datos
Base de Datos
 
Base de datos
Base de datosBase de datos
Base de datos
 
Base de datos xavier rodriguez
Base de datos xavier rodriguezBase de datos xavier rodriguez
Base de datos xavier rodriguez
 
Mineria de datos
Mineria de datosMineria de datos
Mineria de datos
 
Mineria de datos
Mineria de datosMineria de datos
Mineria de datos
 
Mineria de Datos Dialnet.pdf
Mineria de Datos Dialnet.pdfMineria de Datos Dialnet.pdf
Mineria de Datos Dialnet.pdf
 
Base de datos
Base de datosBase de datos
Base de datos
 
Base de datos Christopher Villarroel 25511145
Base de datos Christopher Villarroel 25511145Base de datos Christopher Villarroel 25511145
Base de datos Christopher Villarroel 25511145
 

Mais de Juan Esteban Puerta Cano (17)

Portafolio Telematica
Portafolio TelematicaPortafolio Telematica
Portafolio Telematica
 
Formato presentacion de propuesta Bases de datos avanzadas
Formato presentacion de propuesta Bases de datos avanzadasFormato presentacion de propuesta Bases de datos avanzadas
Formato presentacion de propuesta Bases de datos avanzadas
 
Minero de Datos
Minero de DatosMinero de Datos
Minero de Datos
 
Tecnicas de Diseño de Algoritmos
Tecnicas de Diseño de AlgoritmosTecnicas de Diseño de Algoritmos
Tecnicas de Diseño de Algoritmos
 
Capa de presentacion
Capa de presentacionCapa de presentacion
Capa de presentacion
 
Bi conceptos
Bi conceptosBi conceptos
Bi conceptos
 
Migracion de datos
Migracion de datosMigracion de datos
Migracion de datos
 
Adsl 2
Adsl 2Adsl 2
Adsl 2
 
Trabajo red telematica
Trabajo red telematicaTrabajo red telematica
Trabajo red telematica
 
Programación dinámica
Programación dinámicaProgramación dinámica
Programación dinámica
 
7 técnicas estáticas
7   técnicas estáticas7   técnicas estáticas
7 técnicas estáticas
 
técnicas estáticas
técnicas estáticastécnicas estáticas
técnicas estáticas
 
Exposicion metodos de recoleccion de requerimientos final
Exposicion metodos de recoleccion de requerimientos finalExposicion metodos de recoleccion de requerimientos final
Exposicion metodos de recoleccion de requerimientos final
 
planificación de pruebas
  planificación de pruebas  planificación de pruebas
planificación de pruebas
 
niveles de prueba
niveles de pruebaniveles de prueba
niveles de prueba
 
proceso de pruebas
proceso de pruebasproceso de pruebas
proceso de pruebas
 
Introducción Pruebas Software
Introducción Pruebas SoftwareIntroducción Pruebas Software
Introducción Pruebas Software
 

Tecnicas de Agrupamiento

  • 1. BASES DE DATOS AVANZADAS TÉCNICA DE AGRUPACIÓN BASES DE DATOS AVANZADAS BASES DE DATOS AVANZADAS 2013
  • 2. QUE ES? El análisis de clúster o clustering es una colección de métodos estadísticos que permiten agrupar datos sobre los cuales miden diferentes variables o características. En la minería de datos, se lo considera una técnica de aprendizaje no supervisado .
  • 3. EN QUE CONSISTE? Es el Proceso de dividir un conjunto de datos en grupos mutuamente excluyentes, de tal manera que cada miembro de un grupo este lo mas cercano posible al otro.
  • 4. FUNCIONALIDAD  Se construye una jerarquía de grupos separándolos iterativamente (repetitivamente).  Los elementos se van asignando a los grupos en función de su cercanía.
  • 5. CARACTERISTICAS  Alto rendimiento Se ve reflejado en el procesamiento de los datos.  Alta disponibilidad Proveer disponibilidad y confiabilidad.  Alta eficiencia Existe independencia de datos entre los cluster existentes.
  • 6. APLICACIONES En la Minería de datos Utiliza la transformación de los datos al formato requerido, para el algoritmo especifico para la minería de datos, buscando patrones que puedan expresarse como modelo. En la Robótica Utiliza un conjunto de técnicas y conceptos teóricos comunes, ejemplo los modelos probabilísticos como métodos de representación de la información.