indice

Anuncio
.-
,
INDICE
Introducción
Capítulo 1. Minería
,
de datos: Conceptos,
XVII
;
1
técnicas y sistemas ..............................
Aproximación al concepto de minería de datos ...............................................
El proceso de extracción del conocimiento ......................................................
Técnicas de minería de datos............................................................................
Sistemas de minería de datos ...........................................................................
1
3
8
10
Capítulo 2. Entorno
13
de trabajo de SPSS Clementine.............................................
Introducción a Clementine ...............................................................................
Usando el ratón.............................................................................................
Ayuda en Clementine
,'.......................................................
Panel de control en Clementine
:.....................................................
Ejemplo de trabajo con Clementine
;....................................................
Insertar un nodo fuente (origen) de datos en el área de trabajo....................
Enlazar un nodo con una fuente de datos .....................................................
Controlar la carga de datos con el nodo Tabla .............................................
Definir variables predictoras con el nodo Tipo ............................................
Utilizar un nodo de modelado ......................................................................
Ejecutar una ruta
:..................
Interpretar un modelo ...................................................................................
Predecir con un modelo ...............................................................................
Guardar un modelo ......................................................................................
Nodos de orígenes de datos ..............................................................................
Nodosde operacionesconregistros
,
13
16
16
18
21
22
23
25
27
29
29
32
34
34
35
35
VIII MINERíA DE DATOS. TÉCNICAS Y HERRAMIENTAS
Nodos
Nodos
Nodos
Nodos
36
37
38
40
de operaciones con campos...................................................................
para gráficos """""""""""""""""""""""""""'"""""""""""""""""
para modelado .......................................................................................
de salida
:.........................................................................................
Miner.....................................
41
Introducción aSAS Enterprise Miner ..............................................................
Comenzando con SAS Enterprise Miner......................................................
Inicio de un proyecto nuevo
,.....................................................
41
43
Capítulo 3. Entorno
de trabajo de SAS Enterprise
Menú principal de SAS Enterprise Miner
Capítulo 4. Fase de selección en minería de datos.................................................
.
58
63
65
67
73
73
74
77
78.
82
85
91
95
99
101
101
102
104
105
Capítulo 5. Fase de selección en SAS Enterprise
109
La fase de
El nodo
El nodo
El nodo
El nodo
El nodo
selección en Enterprise Miner.........................................................
Fuente de Datos ..............................................................................
Muestreo """""""""""""""""""""""""""""""""""""""""""'"
de Partición de Datos .....................................................................
de Selección de Variables
,....................
de Series Temporales """"""""""""""""""""""""""""'"...........
Técnicas de muestJ
Diseños complej
Creación de u
Asistente de mn
Asistente de mu;
Preparación de 1
Creación de lJ
Preparación de 1
Cálculos en mw
tablas de eon1
Selección de casm
Selección de ea:
Selección de fe,
Selección de un
Semilla de alea1
58
Selección en el proceso de extracción del conocimiento .................................
Recopilación e integración de datos: Data Warehouse ................................
Data Warehouse y Data Mining ..................................................................
Selección de datos mediante muestreo
"................................
Muestreo aleatorio simple
:..........................
Muestreo estratificado ..................................................................................
Muestreo sistemático ....................................................................................
Muestreo unietápico de conglomerados .......................................................
Muestreo bietápico de conglomerados .........................................................
Muestreo polietápico de conglomerados ......................................................
Diseños complejos: Bietápico con estratificación en primera etapa ............
Selección de números aleatorios: Método de Montecarlo................................
Selección de características relevantes.............................................................
Análisis de correlaciones
,........
Miner y SPSS Clementine........
Capítulo 6. Fase d4
47
48
""""""""""""""""""""""""""
Ejemplo de trabajo con SAS Enterprise MiIier ...............................................
Leer ficheros y enlazarlos con Enterprise Miner mediante el nodo
Input Data Source ....................................................................................
Definir tipos de variables con el nodo Input Data Source ...........................
Enlace de nodos de un diagrama. El nodo Data Partition ...........................
Utilizar un nodo de modelado ......................................................................
La fase de selecciól
Importación de d
Importación de d
Importación de d
Importación de e!
Selección de date
Muestreo de dat
Operadores para 1:
Operadores arit
Operadores rel<
Operadores lóg
Funciones de gen!
Selección
de lavaiJ
Declarando
I
Seleccionandol
Seleccionandol
Seleccionando
Seleccionando
Operadores para J
Operadores ar
Operadores de
Operadores ló
Operadores MJ
Orden de eval1
Funciones de ge
Cálculos con fun
109
109
117
122
125
129
lo
íNDICE
"'" ..................
36
37
38
40
.........................
41
......................
......................
......................
......................
......................
nodo
.....................
.....................
.....................
.....................
41
43
47
48
58
58
63
65
67
.......................
73
.......................
.
,
,....................
.....................
....................
....................
....................
....................
....................
....................
....................
,...................
.
...................
...................
73
74
77
78
82
85
91
95
99
101
101
102
104
105
'11entine........
109
tapa """"""
...................
..................
..................
..................
..................
..................
..................
109
109
117
122
125
129
La fase de selección en SPSS Clementine........................................................
Importación de datos ASCII.........................................................................
Importación de datos de una fuente ODBC (Access, Excel, etc.) ...............
Importación de datos de .SPSS.....................................................................
Importación de datos de SAS .......................................................................
Selección de datos ........................................................................................
Muestreo de datos ........................................................................................
Capítulo 6. Fase de selección en SPSS Muestras Complejas y SAS Base
...........
Técnicas de muestreo a través de SPSS ...........................................................
Diseños complejos y el asistente de muestreo.
Creación de un nuevo plan de muestreo...................................................
Asistente de muestreo: modificar un plan existente .....................................
Asistente de muestreo: ejecutar un plan de muestreo dado ..........................
Preparación de una muestra compleja para su análisis:
Creación de un nuevo plan de análisis .....................................................
Preparación de una rimestra compleja para su análisis.................................
Cálculos en muestras complejas: Frecuencias, descriptivos,
tablas de contingencia y razones
,...........................................
Selección de casos en SPSS .............................................................................
Selección de casos mediante criterios condicionales ...................................
Selección de fechas, horas y filas .................................................................
Selección de una muestra aleatoria...............................................................
Semilla de aleatorización..............................................................................
Operadores para la selección en SPSS .............................................................
Operadores aritméticos.................................................................................
Operadores relacionales ...............................................................................
Operadores lógicos .......................................................................................
Funciones de generación de números aleatorio s en SPSS................................
Selección de la información en SAS Base .......................................................
Declarando valores perdidos con la sentencia MISSING ............................
Seleccionando información por grupos: sentencia BY................................
Seleccionando variables de frecuencias: sentencia FREQ ...........................
Seleccionando variables de pesos: sentencia WEIGTH...............................
Seleccionando variables de identificación: Sentencia ID.............................
Operadores para la selección en SAS ...............................................................
Operadores aritméticos.................................................................................
Operadores de comparación
:;......................
Operadores lógicos o booleanos...................................................................
Operadores MIN, MAX y .concatenación....................................................
Orden de evaluación de los operadores en las expresiones ..........................
Funciones de generación de números aleatorio s en SAS .................................
Cálculos con funciones en SAS........................................................................
IX
139
140
140
143
145
148
149
151
151
152
161
164
164
168
168
174
174
175
175
176
176
176
177
177
177
180
180
180
182
183
184
184
185
185
186
187
188
189
191
x
MINERíA DE DATOS. TÉCNICAS Y HERRAMIENTAS
Capítulo 7. Fase de exploración en minería de datos ............................................
193
Exploración en el proceso de extracción del conocimiento .............................
Análisis exploratorio
:
"""""""""""""""',
Herramientas de exploración .visual................................................................
Histograma de frecuencias ...........................................................................
Diagrama de tallo y hojas .............................................................................
Gráfico de caja y bigotes ..............................................................................
Gráfico múltiple de caja y bigotes.................................................................
Gráfico de simetría .......................................................................................
Gráfico de dispersión
,................................................
Gráficos para variables cualitativas
:..............................................
Herramientas de exploración formal................................................................
Contrastes de la bondad de ajuste a una distribución: Test de la Chi-cuadrado....
193
194
194
195
196
198
199
201
203
205
207
208
Contraste de Kolmogorov-Smimov Lilliefors de la bondad de ajuste
a una distribución .....................................................................................
Estadísticos robustos de centralización ........................................................
Estadísticos robustos de dispersión ..............................................................
Estadísticos robustos de asimetría y curtosis................................................
Contrastesde aleatoriedad............................................................................
Transformaciones de las variables....................................................................
Supuestos subyacentes en las técnicas de minería de datos .............................
Normalidad...................................................................................................
Heteroscedasticidad.
.......................
Multicolinealidad
,....................
Autocorrelación ............................................................................................
Linealidad.....................................................................................................
Un ejemplo .......................................................................................................
209
211
212
214
216
220
221
221
225
227
227
228
230
Capítulo 8. Fase de exploración en SAS Enterprise Miner y
SPSS Clementine
239
,....................
La fase de exploración en Enterprise Miner.....................................................
El nodo Explorador de .distribuciones.........................................................
El nodo Multigráficos...................................................................................
El nodo de exploración de patrones
La fase de
El nodo
El nodo
El nodo
El nodo
El nodo
El nodo
El nodo
"""""""""""""""""""""""""""""'"
exploración en SPSS Clementine....................................................
Gráfico """"""""""""""""""""""""""'".....................................
Distribución ....................................................................................
Histograma .....................................................................................
Malla ...............................................................................................
Malla Direccional...........................................................................
Gráfico Múltiple .............................................................................
Recolectar
""""""""""""""'"
Capítulo
9. Fase de e:
Análisis exploratorio (
Gráficos de análisis e)
Tipos de gráficos ...
Histogramas...........
Gráficos de normal
Gráficos de caja y t
Gráficos de dispers
Gráficos interactivos ~
Creación interactiv:
Gráficos interactiv(
Histogramas interal
Diagramas interact
Análisis exploratorio
Contraste de aleato
Contraste de ajuste
Prueba de Kolm
Análisis exploratorio e
Gráficos de análisis e
Gráficos exploratoJ
Gráficos explorato
Gráficos explorato
Capítulo 10. Fases d
Limpieza y transfom
del conocimiento.
Valores atípicos (OU
Información faltante
Soluciones para lo
de información
Transformación de d
Transponer, fusior
Ponderar casos y e
Pareamiento o ma¡
Transformación de d
Componentes prin
Análisis factoria!..
239
239
243
250
266
267
270
271
273
274
275
276
L-
~
íNDICE
..............
193
193
194
194
195
196
198
199
201
203
205
207
drado.... 208
e
209
211
212
214
216
220
221
221
225
227
227
228
230
Capítulo 9. Fase de exploración en SPSS y SAS............................................
277
Análisis exp1oratorio de datos con SPSS. Procedimiento Explorar.................
Gráficos de análisis exploratorio con SPSS .....................................................
Tipos de gráficos ..........................................................................................
Histogramas..................................................................................................
Gráficos de normalidad ................................................................................
Gráficos de caja y bigotes ............................................................................
Gráficos de dispersión ..................................................................................
Gráficos interactivos dinámicos de análisis exploratorio con SPSS ................
Creación interactiva de gráficos a partir de tablas........................................
Gráficos interactivos de caja y bigotes.........................................................
277
282
282
283
283
286
288
290
297
298
299
301
303
303
Histogramas interactivos """""""""""""""""""""""""""........................
Diagramas interactivos de dispersión...........................................................
Análisisexploratorio formal con SPSS
239
,.......... 239
t......... 243
250
266
267
270
271
273
274
275
276
""""""""""""""""""""""""""""""
Contraste de aleatoriedad. Procedimiento Prueba de rachas ......................
Contraste de ajuste a una distribución de frecuencias. Procedimiento
Prueba de Kolmogorov-Smirnov..............................................................
Análisis exploratorio de los datos con SAS Base. Procedimiento Univariate ......
Gráficos de análisis exploratorio con SAS .......................................................
Gráficos exploratorios de alta resolución. Procedimiento GCHART...........
Gráficos exploratorios de mapas: Procedimiento GMAP ............................
Gráficos exploratorios de caja y bigotes: Procedimiento BOXPLOT ..........
Capítulo 10. Fases de limpieza y transformación
de datos ............................
304
305
318
318
322
328
333
Limpieza y transformación de datos en el proceso de extracción
delconocimiento
239
XI
""""""""""""""""""
Valores atípicos (Outliers) ...............................................................................
Información faltante (Datos missing)
:.....................................................
Soluciones para los datos ausentes: Supres~ón de datos e imputación
de información faltante
~,................................................
Transformación de datos ..................................................................................
Transponer, fusionar, agregar, segmentar y ordenar atchivos......................
Ponderar casos y categorizar y numerizar variables.....................................
Pareamiento o matching ...............................................................................
Transformación de datos mediante técnicas de reducción de la dimensión
.....
,
Componentes principales .............................................................................
Análisis factorial
"""""""""""""""""""""'"
333
333
337
343
346
346
347
348
349
350
357
XII
MINERíA DE DATOS. TÉCNICAS
Y HERRAMIENTAS
Capítulo 11. Las fases de limpieza y transformación de datos en
SASEnterprise Miner y SPSS Clementine.................................................
El nodo Transformación de variables ..........................................................
El nodo Asignación de atributos
".....................
Tratamiento de los datos atípicos con el nodo Filtro de Outliers ................
El nodo Imputación de datos .missing..........................................................
El nodo Exploración de patrones para Componentes Principales ...............
Lasa fases de limpieza y transformación de datos en Clementine ...................
El nodo Seleccionar......................................................................................
El nodo Muestra para procesos de muestreo................................................
El nodo Combinar para procesos de matching
,.
El nodo Equilibrar........................................................................................
El nodo Ordenar...........................................................................................
El nodo Agregar para calcular estadísticos por subgrupos ..........................
El nodo Distinguir
"..................................
El nodo Añadir para concatenación de archivos ..........................................
El nodo Filtrar..............................................................................................
El nodo Derivar para transformación de variables.......................................
El nodo Tipo para asignar atributos a variables............................................
El nodo Rellenar para imputación de datos missing ....................................
El nodo Factor/PCA para Análisis Factorial y Componentes Principales...
365
365
371
378
384
393
400
402
404
405
407
408
409
411
411
412
413
415
416
417
Capítulo 12. Fases de limpieza y transformación
427
Las fasesde limpiezay transformaciónde datosen EnterpriseMiner
Componentes prinl
Procedimiento 1
Análisis factorial e
Transformación de d:
Operaciones con ti
Actualizando ficht
Añadir informació
Tipificación de da'
365
~.
de datos en SPSS y SAS..
Técnicas de reducción de la dimensión en SPSS Base.....................................
Componentes principales con SPSS.............................................................
Análisis factorial con SPSS ..........................................................................
Transformación de datos en SPSS Base...........................................................
Transformación de valores de datos .............................................................
Remodificación de variables
"..............
Ordenar casos ...............................................................................................
Transponer, fusionar, agregar y segmentar archivos. Matching ..................
Ponderar casos
"...........
Categorizar variables: Categorizador visuaL................................................
Asignar rangos a casos y tipificar variables .................................................
SPSS y el análisis de datos missing. Imputación..............................................
Reemplazar valores perdidos........................................................................
Detección de valores atípico s en SPSS ............................................................
Detección de casos atípico s mediante gráficos de control...........................
Detección de casos atípicos mediante gráficos de caja y bigotes.................
Técnicas de reducción de la dimensión en SAS STAT ....................................
Capítulo 13. Fase de
Técnicas de minena
Técnicas predictivas
Modelo de regresión
Estimación del mI
Estimación del mi
del cálculo mat
Análisis de la var
Predicciones........
Análisis de los re:
Técnicas de selec
Modelos de elecciól
Modelos de elecc
regresión logís
Modelos de elecc
Modelo lineal genel
Clasificación ad ho,
Hipótesis en el ID
Estimación del ID
Clasificación me,
427
428
439
447
447
449
451
451
458
459
462
463
469
470
470
472
475
Capítulo 14. Técni.
SAS Enterprise
j
Técnicas predictiva
El nodo Regress¡
El nodo Regressi
El nodo Regressí
Técnicas predictiva
El nodo RegresÜ
El nodo RegresÜ
~
ríNDICE
tos en
""""""""""""'"
¡seMiner
.
""""""
............................
"""""""""""""
lutliers
""""""""
...........................
lcipales ...............
1tine """"""""'"
...........................
""""""""""""'"
...........................
...........................
""""""""""""'"
"""""""""""""
...........................
""""""""""""'"
...........................
...........................
""""""""""""'"
""""""""""""'"
tes Principales...
~nSPSSySAS..
""""""""""""'"
""""""""""""'"
...........................
""""""""""""'"
...........................
"""""""""""""
...........................
~ing
"""""""""
"""""""""""""
""""""""""""',
"""""""""""""
..........................
"""""""""""""
"""""""""""""
"""""""""""""
gotes.................
"""""""""""""
.
365
365
365 ,
371
378
384
393
400
402
404
405
407
408
409
411
411
412
413
415
416
417
427
427
428
439
447
447
449
451
451
458
459
462
463
469
470
470
472
475
Componentes principales en SAS. Procedimiento PRlNCOMP y
Procedimiento FACTOR ..........................................................................
Análisis factorial en SAS. Procedimiento FACTOR ....................................
Transformación de datos en SAS Base ............................................................
Operaciones con ficheros: Concatenación y Matching ................................
Actualizando ficheros de datos SAS
475
482
487
487
489
491
494
""""""""""""""""""""""""""""""
Añadir información. Procedimiento APPEND.............................................
Tipificación de datos: Procedimiento STANDARD......................................
Capítulo 13. Fase de minería de datos. Técnicas predictivas
de modelización
...
Técnicas de minería de datos propiamente dichas ...........................................
Técnicas predictivas para la modelización.......................................................
Modelo de regresión múltiple...........................................................................
Estimación del modelo lineal de regresión múltiple
XIII
""""""""""""""""""
Estimación del modelo, contrastes e intervalos de confianza a través
del cálculo matricial .................................................................................
Análisis de la varianza en el modelo de regresión múltiple .........................
Predicciones..................................................................................................
Análisis de los residuos ................................................................................
Técnicas de selección en el modelo de regresión.........................................
Modelos de elección discreta ...........................................................................
Modelos de elección discreta binaria: Modelo lineal de probabilidad y
regresión logística binaria ........................................................................
Modelos de elección múltiple: Modelo Logit Multinomial .........................
Modelo lineal general de regresión múltiple (GLM) .......................................
497
497
498
504
505
506
507
510
511
512
513
Clasificación mediante el modelo discriminante..........................................
514
519
521
521
522
523
525
Capítulo 14. Técnicas predictivas tie modelización con
SAS Enterprise Miner y SPSS Clementine.................................................
529
Técnicas predictivas de modelización con SAS Enterprise Miner...................
El nodo Regression: Modelo de regresión múltiple .....................................
El nodo Regression: Modelo lineal general GLM........................................
El nodo Regression: Modelo de elección discreta Logit y Probit ................
Técnicas predictivas de modelización con SPSS Clementine..........................
El nodo Regresión Lineal: Modelo de regresión múltiple............................
El nodo Regresión Logística: Modelos de elección discreta .......................
529
530
538
551
554
555
561
Clasificaciónad hoc: Análisis discriminante
""""""""""""""""""""""""'"
Hipótesis en el modelo discriminante...........................................................
Estimación del modelo discriminante
"""""""""""""""""""""""""""""
XIV
MINERíA DE DATOS. TÉCNICAS Y HERRAMIENTAS
Capítulo 15. Técnicas predictivas de modelización con SAS y SPSS
""""""
El modelo lineal general con SAS. Procedimiento GLM.................................
Modelos del análisis deJa varianza y la covarianza con SAS..........................
Modelo de elección discreta en SAS
:
Modelo Logit: Procedimiento LOGISTIC....................................................
Modelo Probit: Procedimiento PROBIT ......................................................
SAS y el análisis discriminante: Procedimiento DISCRIM .............................
El modelo lineal general con SPSS. Procedi¡niento MLG Multivariante ........
Modelo de elección discreta en SPSS
"""""","""""""""""""""""""""""""
Modelo Logit: Procedimiento LOGISTICA MULTINOMIAL......................
Modelo Probit: Procedimiento PROBIT
:..............................................
SPSS y el análisis discriminante.......................................................................
565
Capítulo 18. Clusters
565
571
574
574
579
581
585
593
593
599
601
SPSS y el análisis c/u
SPSS y el análisis c/u
SAS y el análisis clus
Procedimiento A O
Procedimiento CLI
Procedimiento TRl
SAS y el análisis c1us
Árboles de decisión (
Creación de un árb
Métodos CR T y Q
Capítulo 19. Redesn
Capítulo 16. Técnicas descriptivas y predictivas de clasificación.
C/usters y árboles de decisión .....................................................................
11
El análisis cluster como técnica descriptiva de clasificación ...........................
Medidas de similitud """"""""""""""""""""""""""""............................
Técnicas en el análisis cluster ......................................................................
Clusters jerárquicos, secuenciales, aglomerativos y exclusivos (S.A.H.N.) .....
El dendograma en el análisis cluster jerárquico ...........................................
Análisis cluster no jerárquico .......................................................................
Los árboles de decisión como técnica predictiva de clasificación ...................
Características de los árboles de decisión ....................................................
Herramientas para el trabajo con árboles de decisión
:.....................
Árboles CHAID............................................................................................
Árboles CART..............................................................................................
Árboles QUEST """""""""""""""""""""""""""'"..................................
Análisis de conglomerados y árboles de decisión como métodos
de segmentación ...........................................................................................
609
609
610
614
616
617
617
621
622
626
627
628
630
Capítulo 20. Redes I
y SPSS ClementÍl
Redes neuronales ca
Optimización y aj
Análisis en comp<
Nodo Princoml
Predicción y análi
Nodo Two Sta!
Análisis cluster C
Redes neuronales cc
Nodo Entrenar re
Nodo Entrenar K,
Nodo Entrenar K
631
Capítulo 17. Clusters y árboles de decisión con SAS Enterprise Miner
y SPSS Clementine ......................................................................................
633
Análisis cluster con Enterprise Miner. El nodo Clustering..............................
Árboles de decisión con Enterprise Miner. El nodo Tree ................................
Entrenamiento interactivo (Interactive Training) ........................................
Análisis cluster con SPSS Clementine .............................................................
El nodo Entrenar K-medias: Cluster no jerárquico......................................
El nodo Cluster Bietápico: Cluster jerárquico
Árboles de decisión con SPSS Clementine ......................................................
El nodo Crear C5.0 ......................................................................................
El nodo Arbol C&R """"""""""""""""""""",""""""""............................
633
641
652
656
656
661
662
662
664
"""""""""""""""""""""'"
Descripción de una fI
Definición............
Función de salida:
Redes neuronales y a
Aprendizaje en las re
Funcionamiento de u
El algoritmo de apre]
Análisis discriminan
Análisis de series ter
Análisis de compone
Clustering mediante
Índice
~
alfabético ...,
...
íNDICE XV
IS............
565
Capítulo 18. Clusters y árboles de decisión con SAS y SPSS ........................
665
""""""'"
...............
...............
565
571
574
SPSS y el análisis cluster jerárquico ................................................................
""""""'"
574
""""""'"
Procedimiento CLUSTER.............................................................................
Procedimiento TREE """""""""""""""""""""""""""""..........................
SAS y el análisis cluster no jerárquico .............................................................
Árboles de decisión (o clasificación) con SPSS...............................................
Creación de un árbol de decisión: Método CHAID .....................................
Métodos CRT y QUEST. Poda de árboles """"""""""""""""""""""""'"
665
671
675
675
677
678
681
687
689
695
Capítulo 19. Redes neuronales........................................................................
699
Descripción de una red neuronal......................................................................
Definición.....................................................................................................
Función de salida y funciones de transferencia o activación .......................
Redes neuronales y ajuste de modelos de regresión.........................................
Aprendizaje en las redes neuronales.................................................................
Análisis de componentes principales con redes neuronales .............................
Clustering mediante redes neuronales..............................................................
699
699
701
703
704
707
708
709
713
715
717
Capítulo 20. Redes neuronales con SAS Enterprise Miner
y SPSS Clementine ......................................................................................
721
""""""'"
579
581
'lnte """"
585
...............
593
593
599
601
""""""'"
...............
""""""'"
...............
609
""""""'"
609
610
...............
""""""'"
H.N.).....
...............
".............
".............
614
616
617
617
621
..............
622
626
627
628
630
"""""""
631
iner
..............
633
1.............
..............
..............
633
641
652
"""""""
656
656
661
662
662
664
"""""""
..............
..............
"""""""
"""""""
..............
..............
.............
.............
SPSSy el análisis cluster no jerárquico
SASy el análisis cluster jerárquico
:.........................................................
""""""""""""""""""""""""""""'"
ProcedimientoACECLUS
Funcionamientode una red neuronal
"""""""""""
""""""""""""""""""""""""""""""'"
El algoritmo de aprendizaje Retropropagación (Back-Propagation)...............
Análisis discriminante a través del Perceptrón.................................................
Análisisde series temporales mediante redes neuronales
""""""""""""""""
Redes neuronales con SAS Enterprise Miner...................................................
Optimización y ajuste de modelos con redes: Nodo Neural Network ..........
Análisis en componentes principales a través de redes neuronales:
Nodo Princomp/Dmneural
,...................................................
Predicción y análisis discriminante a través de redes neuronales:
Nodo Two Stage Model............................................................................
Análisis cluster con redes neuronales: Nodo SOM/Kohonen .......................
Redes neuronales con SPSS Clementine..........................................................
Nodo Entrenar red
,...................
Nodo Entrenar Kohonen ..............................................................................
Nodo Entrenar K-medias..............................................................................
Índice alfabético
..............................................................................................
721
722
745
751
756
765
765
769
771
775
Descargar