KDD frente a minería de datos
KDD (Descubrimiento de conocimiento en bases de datos) es un campo de la informática, que incluye las herramientas y teorías para ayudar a los humanos a extraer información útil y previamente desconocida (es decir, conocimiento) de grandes colecciones de datos digitalizados. KDD consta de varios pasos, y Data Mining es uno de ellos. La minería de datos es la aplicación de un algoritmo específico para extraer patrones de los datos. No obstante, KDD y Data Mining se usan indistintamente.
¿Qué es KDD?
Como se mencionó anteriormente, KDD es un campo de la informática, que se ocupa de la extracción de información previamente desconocida e interesante a partir de datos sin procesar. KDD es todo el proceso de tratar de dar sentido a los datos mediante el desarrollo de métodos o técnicas apropiados. Este proceso se ocupa del mapeo de datos de bajo nivel en otras formas que son más compactas, abstractas y útiles. Esto se logra mediante la creación de informes breves, el modelado del proceso de generación de datos y el desarrollo de modelos predictivos que pueden predecir casos futuros. Debido al crecimiento exponencial de los datos, especialmente en áreas como los negocios, KDD se ha convertido en un proceso muy importante para convertir esta gran cantidad de datos en inteligencia empresarial, ya que la extracción manual de patrones se ha vuelto aparentemente imposible en las últimas décadas. Por ejemplo, actualmente se utiliza para diversas aplicaciones, como análisis de redes sociales, detección de fraudes, ciencia, inversión, fabricación, telecomunicaciones, limpieza de datos, deportes, recuperación de información y, en gran medida, para marketing. KDD generalmente se usa para responder preguntas como ¿cuáles son los principales productos que podrían ayudar a obtener altas ganancias el próximo año en Wal-Mart?. Este proceso tiene varios pasos. Comienza con el desarrollo de una comprensión del dominio de la aplicación y el objetivo y luego con la creación de un conjunto de datos de destino. A esto le sigue la limpieza, el preprocesamiento, la reducción y la proyección de datos. El siguiente paso es usar Data Mining (explicado a continuación) para identificar el patrón. Finalmente, el conocimiento descubierto se consolida visualizando y/o interpretando.
¿Qué es la minería de datos?
Como se mencionó anteriormente, la minería de datos es solo un paso dentro del proceso general de KDD. Hay dos objetivos principales de minería de datos definidos por el objetivo de la aplicación, y son la verificación o el descubrimiento. La verificación verifica la hipótesis del usuario sobre los datos, mientras que el descubrimiento encuentra automáticamente patrones interesantes. Hay cuatro tareas principales de minería de datos: agrupación, clasificación, regresión y asociación (resumen). La agrupación en clústeres identifica grupos similares a partir de datos no estructurados. La clasificación es reglas de aprendizaje que se pueden aplicar a nuevos datos. La regresión es encontrar funciones con un error mínimo para modelar datos. Y la asociación busca relaciones entre variables. Luego, se debe seleccionar el algoritmo de minería de datos específico. Dependiendo del objetivo, se pueden seleccionar diferentes algoritmos como regresión lineal, regresión logística, árboles de decisión y Naïve Bayes. Luego se buscan patrones de interés en una o más formas de representación. Finalmente, los modelos se evalúan utilizando la precisión predictiva o la comprensibilidad.
¿Cuál es la diferencia entre KDD y la minería de datos?
Aunque los dos términos KDD y Minería de datos se usan indistintamente, se refieren a dos conceptos relacionados pero ligeramente diferentes. KDD es el proceso general de extraer conocimiento de los datos, mientras que Data Mining es un paso dentro del proceso KDD, que se ocupa de identificar patrones en los datos. En otras palabras, la minería de datos es solo la aplicación de un algoritmo específico basado en el objetivo general del proceso KDD.
