Este documento describe los pasos principales del proceso de minería de datos, incluyendo la preparación de datos, la extracción de modelos predictivos y descriptivos mediante algoritmos como árboles de decisión y reglas de asociación, y la evaluación e interpretación de los resultados.

1. Clasificación mediante reglas de asociación

2. Implantación Evaluación Interpretación Explotación Especificación del Problema Extracción de Datos Minería de Datos: Modelos Predictivos Modelos Descriptivos Preparación de Datos

3. IND, S-Plus Trees, C4.5, CN2, FACT, QUEST, CART, OC1, LMDT, CAL5, T1… Datos Entrenamiento Algoritmo Extrac. Modelos Predictivos Clasificador (modelo) Edad < 31 if Edad < 31 or Tipo Coche = Deport. then Riesgo = Alto Alto Alto Bajo

4. Datos Entrenamiento AIS, Apriori, FP-Tree, RARM... Algoritmo Extrac. Modelos Descriptivos Modelos {Pañal} * {Cerveza},{Leche, Pan}  {Huevos, Refresco},{Cerveza, Pan}  {Leche} * La implicación representa simultaneidad, no causalidad

5. Reducciónde Datos Selección de Características Discretización Compactación de instancias ó Data Squashing Selección de Instancias 5

6. Alg. de Selección de Instancias Conjunto de Datos (D) Conj. Entrenamiento (TR) Conj. Test(TS) Instancias Seleccionadas (TSS) Reglas Obtenidas Alg. de Minería de Datos (CN2-SD)