ESTUDIO DE LOS ALGORITMOS DE ÁRBOLES DE INDUCCIÓN APLICADO A LA MINERÍA DE DATOS

Abstract

La Minería de Datos es la búsqueda de patrones interesantes y de regularidades importantes en grandes bases de datos. El Aprendizaje Automático es el campo de la Ingeniería Informática en el que se estudian y desarrollan algoritmos que implementan los distintos modelos de aprendizaje y su aplicación a la resolución de problemas prácticos. La Minería de Datos inteligente utiliza métodos de aprendizaje automático para descubrir y enumerar patrones presentes en los datos. Uno de los métodos más conocidos para describir los atributos de una entidad de una base de datos es utilizar un árbol de decisión o de clasificación, que puede transformarse sin inconveniente a un conjunto de reglas de decisión. En este contexto, el propósito de este proyecto es estudiar de qué manera la familia de árboles de inducción, que aborda el problema de inducir árboles de decisión, puede utilizarse para descubrir automáticamente reglas de negocio a partir de la información disponible en una base de datos. Se trabajó en particular con los métodos ID3 y C4.5, miembros de dicha familia.

Data mining is the search of interesting patterns and relevant regularities in large data bases. Machine Learning is the Informatic Engineering’s field devoted to the analysis and development of algorithms implementing the different learning models and their application to the solution of practical problems. Intelligent data mining uses machine learning methods to find and list the patterns present in the data. One of the best known methods to describe the attributes of an entity of a data base is the use of a decision or classification tree, which can easily be turned into a set of decision rules. Within this context, the purpose of the present project is to analyze the way in which the Induction Trees family, which studies the problem of inducing decision trees, can be used to discover automatically business rules from the information available in a data base. The work was focused in the ID3 and C4.5 methods, which belong to the family above mentioned.