¿Cuáles son las mejores técnicas de minería de datos?

Gracias por el A2A.

No soy un gran admirador de usar la técnica de la palabra en discusiones relacionadas con datos. La mayoría de las personas lo usarán cuando quieran decir tareas o algoritmos cuando, como lo veo, significa definir bien el procedimiento. Lo que significa que no creo que la clasificación y la regresión sean técnicas, por ejemplo. Tampoco creo que los algoritmos sean técnicas. Son, simplemente, algoritmos. Creo que la imputación y la normalización son técnicas.

Sin embargo, me corregiré si tengo una mejor opinión.

Sin embargo, sea cual sea el punto de vista que adoptemos sobre la técnica, creo firmemente que no hay mejores técnicas.

Intentar distinguir cuál es mejor es como distinguir si una manzana es mejor que una naranja. En sí mismo, decir que la agrupación es mejor que la asociación no tiene sentido. Decir que SVM es mejor que Random Forests no tiene sentido. Decir que la imputación es mejor que la normalización no tiene sentido.

Incluso si algo que estamos comparando es comparable, digamos dos algoritmos para la misma tarea y el algoritmo A tiene un rendimiento más alto que el algoritmo B el 99% de las veces. Todavía hay 1% de las veces que el algoritmo B es mejor. Es posible que hoy no haya suficientes casos de uso para el algoritmo B.

No hay mejores, solo situaciones. No debemos clasificar nada como mejor o mejor en el vacío.

Las siguientes son las mejores técnicas en minería de datos:

• Asociación
• Clasificación
• Agrupamiento
• Árboles de decisión
• Predicción
• Análisis secuencial

Para obtener información detallada sobre las técnicas de minería de datos, visite este enlace: Técnicas de minería de datos