Services on Demand
Journal
Article
Indicators
Cited by SciELO
Access statistics
Related links
Cited by Google
Similars in SciELO
Similars in Google
Share
Revista Lasallista de Investigación
Print version ISSN 1794-4449
Abstract
GIRALDO MEJIA, Juan Camilo; MONTOYA QUINTERO, Diana María and JIMENEZ BUILES, Jovani Alberto. Modelo baseado no conhecimento para apoiar a tomada de decisões entre duas técnicas de associação de mineração de dados. Rev. Lasallista Investig. [online]. 2017, vol.14, n.2, pp.41-50. ISSN 1794-4449. https://doi.org/10.22507/rli.v14n2a4.
Introdução.
O artigo mostra em um modelo conceituai baseado no conhecimento a caracterização e funcionalidade de duas técnicas de regressão logística de Data Mining (MD) e regras de associação, para escolher a técnica de MD apropriada em projetos de aquisição de conhecimento com base em critérios que descrevem a Projeto específico a ser desenvolvido.
Objetivo.
Apoie a tomada de decisão no momento da escolha da técnica mais apropriada para o desenvolvimento de um projeto de mineração de dados.
Materiais e métodos.
As técnicas de associação e regressão logística são caracterizadas, mostrando a funcionalidade de seus algoritmos.
Resultados.
O modelo proposto é a entrada para a implementação de um sistema baseado no conhecimento que imita o conhecimento de um perito humano ao decidir qual técnica de mineração de dados escolher contra um problema específico que relaciona um projeto de mineração para informações. Facilita a verificação dos processos de negócios de cada uma das técnicas e mede a correspondência entre os objetivos de um projeto versus os componentes que oferecem a técnica de regressão logística e a técnica das regras de associação.
Conclusão.
Informações atuais e históricas estão disponíveis para a tomada de decisões através de modelos gerados pela mineração de dados. Os dados para os modelos provêm de data warehouses, que são ambientes informativos, que fornecem uma visão integrada e total da organização.
Keywords : algoritmo apriori; mineração de dados; regras de associação; regressão logística.