Aplicación de la Técnica Regresión Logística de la minería de datos en el proceso de Descubrimiento de Conocimiento (KDD) en bases de datos operativas o transaccionales
Date
2011-10
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Inca Garcilaso de la Vega
Abstract
El artículo presenta la caracterización de la técnica Regresión Logística de la Minería de Datos (Data Mining). Igualmente, se muestra la funcionalidad y aplicación de la técnica para apoyar al proceso de obtención de conocimiento (Knowledge Discovery in Databases o KDD), a encontrar información interesante a partir de Datos “ocultos”. La funcionalidad de la técnica se ejemplifica con los resultados obtenidos en un trabajo de investigación que se realizó buscando encontrar el nivel de innovación y desarrollo tecnológico en algunas empresas de Colombia.
La finalidad es mostrar el proceso de obtención de conocimiento de un sistema de bases de datos Transaccionales u operativos para empresas de bienes y servicios. En él, se desarrollan los antecedentes conceptuales e investigativos y la caracterización de los conceptos fundamentales relacionados con el proceso de descubrir conocimiento, Minería de Datos y la Técnica de Regresión Logística.
Description
Presentación que se llevó a cabo durante el III Congreso Internacional de Computación y Telecomunicaciones COMTEL 2011 del 19 al 21 de octubre de 2011 en Lima, Perú. COMTEL, es un certamen organizado por la Facultad de Ingeniería de Sistemas, Cómputo y Telecomunicaciones de la Universidad Inca Garcilaso de la Vega, que congrega a profesionales, investigadores y estudiantes de diversos países con el fin de difundir e intercambiar conocimientos, mostrar experiencias académicas-científicas y soluciones para empresas en las áreas de Computación, Telecomunicaciones y disciplinas afines.
Keywords
Ingeniería de Sistemas, Computación, Ingeniería de programas informáticos, Programas de computadora, Bases de datos, SGBD, KDD, Minería de datos, Computer sciences, Software engineering, Computer programs, DBMS, Data mining