Docsity
Docsity

Prepara tus exámenes
Prepara tus exámenes

Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity


Consigue puntos base para descargar
Consigue puntos base para descargar

Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium


Orientación Universidad
Orientación Universidad

predicciones orange data mining, Resúmenes de Minería de Datos

contiene un ejercicio de orange data mining sobre las predicciones

Tipo: Resúmenes

2019/2020

Subido el 18/07/2022

carla-abigail-iza-caillatasig
carla-abigail-iza-caillatasig 🇪🇨

2

(1)

1 documento

1 / 3

Toggle sidebar

Esta página no es visible en la vista previa

¡No te pierdas las partes importantes!

bg1
Universidad de las Fuerzas Armadas ESPE
Unidad de Educación a Distancia
Nombre: Carla Abigail Iza Caillatasig
Predicciones en Orange Data Mining
Introducción
La implementación de del análisis predictivo se basan para estimar eventos futuros en
función de datos históricos, para esto se aplican diversas técnicas analíticas,
estadísticas y de aprendizaje automático.
Los modelos del análisis predictivo son modelos matemáticos que predicen el
comportamiento de una variable en función de un conjunto de otras variables. De esta
manera cuanto mas relacionadas estén el conjunto de variables predictoras con la
variable a predecir, más exactas serán las predicciones.
Los pasos para realizar el proceso de un análisis predictivo se conforman de 5 pasos:
Recopilar datos
Ordenar y adaptar los datos
Analizar los datos
Elegir el modelo matemático
Optimizar los parámetros.
Desarrollo
Se implementa un conjunto de datos sobre “Frutas y Verduras”. Para esto nos referimos
al ejercicio como un conjunto de datos de entrenamiento, en donde se incluyen calorías,
proteínas, magnesio, potasio, hierro, contenido de fibra, vitaminas y minerales.
El siguiente ejercicio desea predecir en base a las características mencionadas si un
elemento es un vegetal o fruta. Para esto importamos la información y visualizamos las
características mediante la función tabla de datos.
pf3

Vista previa parcial del texto

¡Descarga predicciones orange data mining y más Resúmenes en PDF de Minería de Datos solo en Docsity!

Unidad de Educación a Distancia Nombre: Carla Abigail Iza Caillatasig Predicciones en Orange Data Mining Introducción La implementación de del análisis predictivo se basan para estimar eventos futuros en función de datos históricos, para esto se aplican diversas técnicas analíticas, estadísticas y de aprendizaje automático. Los modelos del análisis predictivo son modelos matemáticos que predicen el comportamiento de una variable en función de un conjunto de otras variables. De esta manera cuanto mas relacionadas estén el conjunto de variables predictoras con la variable a predecir, más exactas serán las predicciones. Los pasos para realizar el proceso de un análisis predictivo se conforman de 5 pasos:

  • Recopilar datos
  • Ordenar y adaptar los datos
  • Analizar los datos
  • Elegir el modelo matemático
  • Optimizar los parámetros. Desarrollo Se implementa un conjunto de datos sobre “Frutas y Verduras”. Para esto nos referimos al ejercicio como un conjunto de datos de entrenamiento, en donde se incluyen calorías, proteínas, magnesio, potasio, hierro, contenido de fibra, vitaminas y minerales. El siguiente ejercicio desea predecir en base a las características mencionadas si un elemento es un vegetal o fruta. Para esto importamos la información y visualizamos las características mediante la función tabla de datos.

Unidad de Educación a Distancia Deseamos conocer que características son las más importantes para clasificar a un elemento como fruta o vegetal, para esto añadimos un elemento árbol y lo unimos con un visor de árbol y observamos las siguientes características. La siguiente representación nos muestra las características de los datos divididas en subconjuntos, en donde se observa que las características más importantes son las calorías, vitamina A y el potasio. Todos los elementos mencionados son los factores principales para predecir si un elemento es una fruta o vegetal. Después de obtener un análisis claro de los factores que permiten predecir que elemento es una fruta o vegetal procedemos a realizar algunas predicciones propias, para esto implementamos una tabla con las características y los porcentajes exactos de una fruta y vegetal sin embargo no colocaremos el nombre para que el sistema nos proporcione su predicción. Para obtener una predicción en base a las características de nuestra tabla conectamos nuestro archivo que contiene los datos hacia la función predicciones y del elemento predicciones realizamos una conexión al árbol de clasificación. Por último, lo conectamos con la función regresión logística que a su vez esta conectado con el archivo principal es decir la tabla que contiene todas las características que determinan si un objeto es fruta o vegetal y por último lo conectamos a predicciones de esta manera