Laboratorio de Mineria de Datos con SQL Server.pdf

Un iver iver sidad Pri vada vada San San Ju an B autista F acul tad de I ngeni erías E scuela Pr ofes of esii onal de I ngeni er ía de Computaci Compu taci ón y Sistemas

Laboratorio de Minería de Datos Con SQL Server Curso:Sistema de Soporte a la Toma de Decisiones Docente: Ing. Dante García

Ciclo: IX Semestre: 2015-1

Objetivo Implementar la Minería de Datos para generar conocimiento que ayude a la empresa a tomar decisiones asertivas. Realizar en secuencia los pasos indicados para poder implementar el cubo con éxito. ATACHAR LA BASE DE DATOS 1. Ejecutar SQL Server Management Studio Studio y conectarse con la cuenta cuenta SA, si tiene clave clave proceda a ingresarla para establecer una conexión. Observe la siguiente pantalla:

2. Crear en el disco C una carpeta llamada CubosOLAP y dentro de ello otras carpetas llamadas BaseDatos y Proyecto OLAP, y copie el archivo empaquetado de la base de datos llamada AdventureWorksDW2008R2. Proceda a desempaquetar el archivo dentro de la carpeta Base Datos. El archivo desempaquetado mostrará dos archivos, archivos, uno con extensión MDF que contiene toda la estructura de la base de datos, y otro archivo con extensión LDF que contiene todas las transacciones correspondientes. 3. Usando la base de datos datos AdventureWorksDW2008R2 de SQL Server proporcionada por el profesor ir a la carpeta Databases del SQL Management Studio, pulsar el botón derecho del mouse y elija la opción la opción Attach. Se mostrará la siguiente ventana:

Ing. Dante García

Página 1


4. Pulsar el botón Add para añadir o atachar atachar la base de datos. Ir a la la carpeta donde se localiza localiza el archivo MDF de la base de datos, hacer clic para seleccionarla y pulsar el botón OK. 5. Observará en el Explorador de objetos de SQL Server Server que la base de datos ya ya está atachada al sistema, tal como se indica en la siguiente pantalla:

CREAR EL PROYECTO DE ANALISYS SERVICES EN SQL SERVER 1. Crear un nuevo proyecto usando el Servicio de Análisis de SQL Server, la la presentación de algunas pantallas puede variar debido a la versión de SQL Server, en mi caso estoy usando el SQL Server 2014 versión empresarial. Para crear el proyecto, ir al SQL Server 2014 o 2010 0 2008 R2 (dependiendo de la versión de SQL Server) y seleccionar la opción SQL Server Data Tools for Visual Studio 2013. Espere a que cargue la aplicación, pues esta herramienta es la que tiene SQL Server para desarrollar Inteligencia de Negocios (BI). Observe la siguiente pantalla: Ing. Dante García

Página 2


4. Pulsar el botón Add para añadir o atachar atachar la base de datos. Ir a la la carpeta donde se localiza localiza el archivo MDF de la base de datos, hacer clic para seleccionarla y pulsar el botón OK. 5. Observará en el Explorador de objetos de SQL Server Server que la base de datos ya ya está atachada al sistema, tal como se indica en la siguiente pantalla:

CREAR EL PROYECTO DE ANALISYS SERVICES EN SQL SERVER 1. Crear un nuevo proyecto usando el Servicio de Análisis de SQL Server, la la presentación de algunas pantallas puede variar debido a la versión de SQL Server, en mi caso estoy usando el SQL Server 2014 versión empresarial. Para crear el proyecto, ir al SQL Server 2014 o 2010 0 2008 R2 (dependiendo de la versión de SQL Server) y seleccionar la opción SQL Server Data Tools for Visual Studio 2013. Espere a que cargue la aplicación, pues esta herramienta es la que tiene SQL Server para desarrollar Inteligencia de Negocios (BI). Observe la siguiente pantalla: Ing. Dante García

Página 2


2. Seleccione el menú File o Archivo, Archivo, opción New, opción Project. Para Para proceder a crear un nuevo proyecto. El proyecto debe crearse dentro de la carpeta Proyecto Mineria con el nombre MineriaDatosDemo (en mi caso la ruta asumida es: E:\Aplicaciones\USJB\Soporte a la Toma de Decisiones\Proyecto Mineria). Observe la siguiente pantalla:

3. Al crearse el proyecto, se muestra la la ventana del Explorador de Soluciones con una serie de carpetas que organizan la información del cubo a diseñar. Observe la siguiente pantalla:

Ing. Dante García

Página 3

Un iver sidad Pri vada San Ju an B autista F acul tad de I ngeni erías Escuela Pr ofesional de I ngeni er ía de Computaci ón y Sistemas

DEFINIR UN ORIGEN DE DATOS 1. Dirigirse al Explorador de Soluciones, ir a la carpeta Data Source, pulsar el botón derecho del mouse y elija la opción New Data Source. El sistema lo conectará con un asistente que le ayudará a crear la fuente de datos. En este caso pulsar el botón Next. 2. Defina los parámetros necesarios para establecer la conexión con la base de datos AdventureWorksDW2008R2, para este caso pulsar el botón New y observe la siguiente pantalla:

2. Observando la pantalla, debe indicar el nombre del Servidor, modo de autenticación y seleccione la base de datos AdventureWorksDW2008R2. Para asegurarse si se establece la conexión pulsar el botón Test Connection. Luego pulsar el botón OK y observará la siguiente ventana:

Ing. Dante García

Página 4


3. Pulsar el botón Next y proporcione información específica para el servicio. En este caso se usará la Cuenta del Servicio, es decir marcar la opción Use the service account y pulsar el botón Next. 4. Defina un nombre para la fuente de datos, en este caso: AdventureWorksDW2008R2. Observe la siguiente pantalla: (No se olvide de pulsar el botón Finish para terminar la configuración de la fuente de datos).

Ing. Dante García

Página 5


5. La fuente de datos debe observarse en el explorador de soluciones. Esta fuente de datos asume la extensión ds y está lista para operar. Observe la siguiente pantalla:

DEFINIR UNA VISTA DE ORIGEN DE DATOS 1. Dirigirse al Explorador de Soluciones, ir a la carpeta Data Source Views, pulsar el botón derecho del mouse, elija la opción New Data Source View. El sistema le conectará con un asistente que le ayudará a configurar la vista de datos. En este caso pulsar el botón Next. 2. Seleccionar el origen de datos creado anteriormente y pulsar el botón Next. Observe la siguiente pantalla:

3. En caso de que la cuenta usada tenga clave el sistema le pedirá otra vez la cuenta con la contraseña. En mi caso la cuenta es sa. No se olvide de pulsar el botón OK Observe la siguiente pantalla:

Ing. Dante García

Página 6


4. Proceda después a seleccionar las tablas y vistas necesarias para crear la vista. En nuestro caso seleccione las tablas ProspectiveBuyer y las vistas: vAssocSeqLineItems, vAssocSeqOrders,vTargetMail, y vTimeSeries. Por cada tabla o vista pulsar CTRL + Clic para su selección. Observe la siguiente pantalla:

5. Asignar un nombre para la vista. En nuestro caso asignarle el nombre VistaAdventureWorksDW2008R2 y pulsar el botón Finish. Observe la siguiente pantalla:

Ing. Dante García

Página 7


6. Dirigirse al Explorador de Soluciones y observe que en la carpeta Data Source Views existe una nueva vista creada con el nombre VistaAdventureWorksDW2008R2 y extensión dsv. Observe la siguiente pantalla:

7. El contenido de la vista también se observa en el Diseñador de Vistas de Origen de Datos de Business Intelligence Development Studio. Este diseñador contiene los elementos siguientes: a. El Panel Diagrama, en el que las tablas y sus relaciones se representan gráficamente. b.

El Panel Tablas, en el que las tablas y los elementos de esquema se muestran en una vista de árbol.

c. El Panel Organizador de Diagramas, en el que puede crear subdiagramas de modo que pueda ver los subconjuntos de la vista de origen de datos. Ing. Dante García

Página 8


d. Una Barra de herramientas específica del Diseñador de vistas de origen de datos. Observe la siguiente pantalla:

MODIFICAR UNA VISTA DE ORIGEN DE DATOS Puede usar el diseñador de vistas de origen de datos para cambiar la forma de ver los datos en un origen de datos. Así por ejemplo puede cambiar el nombre de cualquier objeto por uno que sea más significativo para el proyecto. El nombre del objeto no se modifica en el origen de datos original, pero puede referirse al objeto dentro del proyecto utilizando este nombre más descriptivo. Para crear una cesta de mercado y escenarios de clústeres de secuencia, tiene que crear una nueva relación de varios a uno entre las tablas vAssocSeqOrders y vAssocSeqLineItems. Mediante esta relación puede convertir vAssocSeqLineItems en una tabla anidada de vAssocSeqOrders para crear los modelos.

Creando una nueva Relación entre Tablas 1. En el panel de la Vista de Origen de Datos del diseñador de vistas de origen de datos seleccione la columna OrderNumber de la tabla vAssocSeqLineItems.

2. Arrastre la columna hasta la tabla vAssocSeqOrders y colocarla en la columna OrderNumber. Ahora existirá una nueva relación de datos a uno entre las tablas vAssocSeqOrders y vAssocSeqLineItems. Observe la siguiente pantalla:

Ing. Dante García

Página 9


CREAR UN ESCENARIO DE CORREO DIRECTO El departamento de Marketing de Adventure Works desea aumentar las ventas dirigiendo una campaña de correo directo a clientes específicos. La empresa desea determinar los patrones que posteriormente se aplicarán a clientes potenciales. La empresa pretende usar los patrones hallados para predecir que clientes potenciales tienen más probabilidades de comprar un producto. Además el departamento de marketing desea encontrar las posibles agrupacione s lógicas de clientes que se encuentran en la base de datos, como por ejemplo aquellos que siguen pautas demográficas y de compras similares. La base de datos de la empresa Adventure Works contiene una lista de clientes antiguos y una lista de clientes nuevos potenciales. En esta fase creará un escenario de correo directo para obtener los siguientes datos: 



Un conjunto de modelos de minería de datos que sugerirá a los clientes que tienen una mayor probabilidad de serlo entre una lista de clientes potenciales. Una agrupación de clientes actuales.

Para realizar estas tareas se aplicará el Algoritmo Bayes Naive de Microsoft, el Algoritmo de Árboles de Decisión de Microsoft y el Algoritmo de Clústeres de Microsoft . 

ALGORITMO BAYES NAIVE DE MICROSOFT El algoritmo Bayes naive de Microsoft es un algoritmo de clasificación basado en los teoremas de Bayes y que Microsoft SQL Server Analysis Services proporciona para el modelado de predicción . La palabra naïve (ingenuo en inglés) del término Bayes naive proviene del hecho que el algoritmo utiliza técnicas Bayesianas pero no tiene en cuenta las dependencias que puedan existir. Desde el punto de vista computacional, el algoritmo es menos complejo que otros algoritmos de Microsoft y, por tanto, resulta útil para generar rápidamente modelos de minería de datos que detectan las relaciones entre las columnas de entrada y las columnas de predicción. Puede utilizar este algoritmo para realizar la exploración inicial de los datos y, más adelante, aplicar los resultados para crear modelos de minería de datos adicionales con otros algoritmos más complejos y precisos desde el punto de vista computacional. El algoritmo Bayes naive de Microsoft calcula la probabilidad de cada estado de cada columna de entrada, dado cada posible estado de la columna de predicción. Para comprender cómo funciona, utilice el Visor Bayes naive de Microsoft de SQL Server Data Tools (SSDT) (como se muestra en el siguiente gráfico) para consultar una representación visual del modo en que el algoritmo distribuye los estados.

Ing. Dante García

Página 10


Aquí, el Visor Bayes naive de Microsoft muestra cada columna de entrada del conjunto de datos e indica cómo se distribuyen los estados de cada columna, dado cada estado de la columna de predicción. Esta vista del modelo se utilizaría para identificar las columnas de entrada que son importantes para diferenciar los distintos estados de la columna de predicción. Por ejemplo, en la fila Commute Distance que se muestra aquí, la distribución de valores de entrada es visiblemente diferente para los compradores en comparación con los no compradores. Esto indica que la entrada, Commute Distance = 0-1 miles, es un factor de predicción potencial.

El visor también proporciona valores para las distribuciones, de modo que pueda ver que para los clientes que viajan entre una y dos millas para ir a trabajar, la probabilidad de que compren una bicicleta es de 0,387, y la probabilidad que no la compren es de 0,287. En este ejemplo, el algoritmo utiliza la información numérica, derivada de un dato de cliente (como la distancia entre el domicilio y el lugar de t rabajo), para predecir si un cliente compraría una bicicleta. 

ALGORITMO DE ARBOLES DE DECISION DE MICROSOFT El algoritmo de árboles de decisión de Microsoft e s un algoritmo de clasificación y regresión proporciona por Microsoft SQL Server Analysis Services para el modelado de predicción de atributos discretos y continuos.

Para los atributos discretos, el algoritmo hace predicciones basándose en las relaciones entre las columnas de entrada de un conjunto de datos . Utiliza los valores, conocidos como estados, de estas columnas para predecir los estados de una columna que se designa como elemento de predicción . Específicamente, el algoritmo identifica las columnas de entrada que se correlacionan con la columna de predicción. Por ejemplo, en un escenario para predecir qué clientes van a adquirir probablemente una bicicleta, si nueve de diez clientes jóvenes compran una bicicleta, pero sólo lo hacen dos de diez clientes de edad mayor, el algoritmo infiere que la edad es un buen elemento de predicción en la compra de bicicletas. El árbol de decisión realiza predicciones basándose en la tendencia hacia un resultado concreto. Para los atributos continuos, el algoritmo usa la regresión lineal para determinar dónde se divide un árbol de decisión .

Ing. Dante García

Página 11


Si se define más de una columna como elemento de predicción, o si los datos de entrada contienen una tabla anidada que se haya establecido como elemento de predicción, el algoritmo genera un árbol de decisión independiente para cada columna de predicción.

Ejemplo: El departamento de marketing de la empresa Adventure Works Cycles desea identificar las características de los clientes antiguos que podrían indicar si es probable que realicen alguna compra en el futuro. La base de datos AdventureWorks2008R2 almacena información demográfica que describe a los clientes antiguos. Mediante el algoritmo de árboles de decisión de Microsoft que analiza esta información, el departamento puede generar un modelo que predice si un determinado cliente va a comprar productos , basándose en el estado de las columnas conocidas sobre ese cliente, como la demografía o los patrones de compra anteriores.

¿Cómo funciona el algoritmo? El algoritmo de árboles de decisión de Microsoft genera un modelo de minería de datos mediante la creación de una serie de divisiones en el árbol . Estas divisiones se representan como nodos. El algoritmo agrega un nodo al modelo cada vez que una columna de entrada tiene una correlación significativa con la columna de predicción. La forma en que el algoritmo determina una división varía en función de si predice una columna continua o una columna discreta . Entre los métodos que se usan para determinar si hay que dividir el árbol figuran métricas estándar del sector para la entropía y las redes Bayesianas. 

Predicción de Columnas Discretas La forma en que el algoritmo de árboles de decisión de Microsoft genera un árbol para una columna de predicción discreta puede mostrarse mediante un histograma . El siguiente diagrama muestra un histograma que traza una columna de predicción, Bike Buyers, con una columna de entrada, Age . El histograma muestra que la edad de una persona ayuda a distinguir si esa persona comprará una bicicleta.

La correlación que aparece en el diagrama hará que el algoritmo de árboles de decisión de Microsoft cree un nuevo nodo en el modelo.

Ing. Dante García

Página 12


A medida que el algoritmo agrega nuevos nodos a un modelo, se forma una estructura en árbol. El nodo superior del árbol describe el desglose de la columna de predicción para la población global de clientes . A medida que el modelo crece, el algoritmo considera todas las columnas. 

Predicción de Columnas Continuas Cuando el algoritmo de árboles de decisión de Microsoft genera un árbol basándose en una columna de predicción continua, cada nodo contiene una fórmula de regresión . Se produce una división en un punto de no linealidad de la fórmula de regresión . Por ejemplo, considere el siguiente diagrama.

El diagrama contiene los datos que pueden modelarse utilizando una sola línea o dos líneas conectadas. Sin embargo, una sola línea realizará un pobre trabajo en la representación de los datos. En su lugar, si se usan dos líneas, el modelo hará un mejor trabajo en la aproximación a los datos . El punto donde las dos líneas se unen es el punto de no linealidad y donde se dividiría un nodo de un modelo de árbol de decisión. Por ejemplo, el nodo que corresponde al punto de no linealidad del gráfico anterior podría representarse mediante el siguiente diagrama. Las dos ecuaciones representan las ecuaciones de regresión de las dos líneas.



Datos Requeridos para el modelo Cuando prepare los datos para su uso en un modelo de árboles de decisión, conviene que comprenda qué requisitos son imprescindibles para el algoritmo concreto, incluidos el volumen de datos necesario y la forma en que estos se utilizan. Los requisitos para un modelo de árboles de decisión son los siguientes:

Una única columna key. Cada modelo debe contener una columna numérica o de texto que identifique cada registro de manera única. No están permitidas las claves compuestas. Una columna de predicción. Se requiere al menos una columna de predicción. Puede incluir varios atributos de predicción en un modelo y pueden ser de tipos diferentes, numérico o discreto. Sin embargo, el incremento del número de atributos de predicción puede aumentar el tiempo de procesamiento. Columnas de entrada. Se requieren columnas de entrada, que pueden ser discretas o continuas. Aumentar el número de atributos de entrada afecta al tiempo de procesamiento.

Ing. Dante García

Página 13

Un iver sidad Pri vada San Ju an B autista F acul tad de I ngeni erías Escuela Pr ofesional de I ngeni er ía de Computaci ón y Sistemas 

ALGORITMO DE CLUSTERES DE MICROSOFT El algoritmo de clústeres de Microsoft es un algoritmo de segmentación suministrado por Analysis Services. El algoritmo utiliza técnicas iterativas para agrupar los casos de un conjunto de datos dentro de clústeres que contienen características similares. Estas agrupaciones son útiles para la exploración de datos, la identificación de anomalías en los datos y la creación de predicciones. Los modelos de agrupación en clústeres identifican las relaciones en un conjunto de datos que no se podrían derivar lógicamente a través de la observación casual . Por ejemplo, puede discernir lógicamente que las personas que se desplazan a sus trabajos en bicicleta no viven, por lo general, a gran distancia de sus centros de trabajo. Sin embargo, el algoritmo puede encontrar otras características que no son evidentes acerca de los trabajadores que se desplazan en bicicleta. En el siguiente diagrama, el clúster A representa los datos sobre las personas que suelen conducir hasta el trabajo, en tanto que el clúster B representa los datos sobre las personas que van hasta allí en bicicleta.

El algoritmo de clústeres se diferencia de otros algoritmos de minería de datos, como el algoritmo de árboles de decisión de Microsoft, en que no se tiene que designar una columna de predicción para generar un modelo de agrupación en clústeres. El algoritmo de clústeres entrena el modelo de forma estricta a partir de las relaciones que existen en los datos y de los clústeres que identifica el algoritmo.

Ejemplo: Considere un grupo de personas que comparten información demográfica similar y que adquieren productos similares de la empresa Adventure Works. Este grupo de personas representa un clúster de datos. En una base de datos pueden existir varios clústeres como éstos. Mediante la observación de las columnas que forman un clúster, puede ver con mayor claridad la forma en que los registros de un conjunto de datos se relacionan entre sí.

¿Cómo funciona el algoritmo? El algoritmo de clústeres de Microsoft identifica primero las relaciones de un conjunto de datos y genera una serie de clústeres basándose en ellas. Un gráfico de dispersión es una forma útil de representar visualmente el modo en que el algoritmo agrupa los datos, tal como se muestra en el siguiente diagrama. El gráfico de dispersión representa todos los casos del conjunto de datos; cada caso es un punto del gráfico. Los clústeres agrupan los puntos del gráfico e ilustran las relaciones que identifica el algoritmo.

Después de definir los clústeres, el algoritmo calcula el grado de perfección con que los clústeres representan las agrupaciones de puntos y, a continuación, intenta volver a Ing. Dante García

Página 14


definir las agrupaciones para crear clústeres que representen mejor los datos. El algoritmo establece una iteración en este proceso hasta que ya no es posible mejorar los resultados mediante la redefinición de los clústeres. 

Datos Requeridos para el modelo Los requisitos para un modelo de agrupación en clústeres son los siguientes:

Una única columna key Cada modelo debe contener una columna numérica o de texto que identifique cada registro de manera única. No están permitidas las claves compuestas. Columnas de entrada Cada modelo debe tener al menos una columna de entrada que contenga los valores que se utilizan para generar los clústeres. Puede tener tantas columnas de entrada como desee, pero dependiendo del número de valores existentes en cada columna, la adición de columnas adicionales podría aumentar el tiempo necesario para entrenar el modelo. Una columna de predicción opcional El algoritmo no necesita una columna de predicción para generar el modelo, pero puede agregar una columna de predicción de casi cualquier tipo de datos. Los valores de la columna de predicción se pueden tratar como entradas del modelo de agrupación en clústeres, o se puede especificar que sólo se utilicen para las predicciones. Por ejemplo, si desea predecir los ingresos del cliente agrupando en clústeres de acuerdo con datos demográficos como la región o la edad, se deben especificar los ingresos como PredictOnly y agregar todas las demás columnas, como la región o la edad, como entradas. CREAR UNA ESTRUCTURA DEL MODELO DE MINERIA DE DATOS En este escenario se aplicará la Minería de Datos para crear un escenario de correo directo (Targeted Mailling) a través del asistente de Mineria de Datos de Inteligencia de Negocios, con la finalidad de crear una estructura de minería de datos y un modelo de Mineria de Datos de Árbol de Decisión.

Creando el Escenario de Correo directo 1. En el Explorador de Soluciones, pulsar el botón derecho del mouse en la carpeta Mining Structures (Estructura de Minería de Datos) y seleccione New Mining Structure (Nueva estructura de Minería de Datos). 2. El sistema le guiará a través de un asistente para la minería de datos y hacer clic en el botón Next (Siguiente). 3. Luego seleccione el método de definición, compruebe que a partir de una base de datos relacional o un almacén de datos (From existing relational database or Datawarehouse) se ha seleccionado y a continuación hacer clic en el botón Next (Siguiente). Observe la siguiente pantalla:

Ing. Dante García

Página 15


4. Seleccione la técnica de Minería de Datos. Existen varias técnicas de Minería de datos que se pueden usar y que son reconocidas por Microsoft a través del SQL Server. En nuestro caso seleccione Arboles de Decisión de Microsoft. Recuerde que este modelo para la predicción trabaja con atributos discretos y continuos . Observe la siguiente pantalla y no se olvide de pulsar el botón Next (Siguiente).

5. Seleccione la vista de origen de datos, observe que VistaAdventureWorks2008R2 se ha seleccionado en forma automática. Observe la siguiente pantalla:

Ing. Dante García

Página 16


Hacer clic en el botón Browse (Explorar) para ver las tablas de la vista de origen de datos y a continuación hacer clic en Cerrar para volver al asistente y no se olvide de pulsar el botón Next (Siguiente). Observe la siguiente pantalla:

6. En la ventana Especificar Tipos de Tablas active la casilla de verificación correspondiente a vTargetMail y a continuación pulsar el botón Next (Siguiente) Observe la siguiente pantalla:

7. Seleccione los datos para el entrenamiento o las columnas para definir el análisis. Compruebe que la casilla de verificación de la columna clave junto a la columna CustomerKey está activada. Si la tabla de origen de la vista de origen de datos muestra una clave, el asistente para la Minería de datos elegirá automáticamente ésa columna como clave para el modelo y a continuación pulsar el botón Next (Siguiente) Observe la siguiente pantalla:

Ing. Dante García

Página 17


8. Active las casillas de Verificación Entrada y De Predicción situadas junto a la columna BikeBuyer y a continuación pulsar el botón Next (Siguiente) Observe la siguiente pantalla:

9. Al indicar que una columna es de predicción, se habilita el botón Suggest (Sugerir). Si hace clic en Sugerir se abrirá el cuadro de diálogo Sugerir Columnas relacionadas que enumera las columnas que están más ligadas a la columna de predicción. Observe la siguiente pantalla:

Ing. Dante García

Página 18


10. En el cuadro de diálogo Sugerir Columnas relacionadas se ordenan los atributos según la relación que tengan con el atributo de predicción. Las columnas con mayor valor a 0.05 se seleccionan automáticamente para ser incluidas en el modelo. Si las sugerencias le parecen bien, hacer clic en Aceptar para que las columnas seleccionadas se consideren como columnas de entrada en el asistente. En nuestro caso cancelar la sugerencia. Vamos a considerar la nuestra. 11. Active las casillas de verificación de Entrada para las siguientes columnas:               

Age CommuteDistance EnglishEducation EnglishOcupation FirstName Gender GeographyKey HouseOwnerFlag LastName MaritalStatus NumbersCarsOwned NumbersChildrenAtHome Region TotalChildren YearlyIncome

12. Observe la siguiente pantalla y pulsar el botón Next (Siguiente):

Ing. Dante García

Página 19


13. Especificar el contenido y el tipo de datos de las columnas para la estructura de la minería de datos. Pulsar el botón Detect para detectar las columnas numéricas para los valores discretos o continuos. Observe la siguiente pantalla:

14. Un algoritmo ejecutará los datos numéricos de los ejemplos y determinará si las columnas numéricas contiene valores continuos o discretos. Por ejemplo una columna puede contener información salarial, como valores de sueldos actuales que son contínuos o bien integrales que representen rangos de sueldos como 1=<25,000.00, 2=de 25,000.00 a 50,000.00, que son discretos. 15. Después de hacer clic en Detectar compruebe que las entradas de las columnas tipo de Contenido y Tipo de Datos tengan la configuración especificada en la siguiente tabla, y no se olvide de pulsar Next (Siguiente) cuando ha terminado: Ing. Dante García

Página 20


Columna

Tipo de Contenido Age Continuous BikeBluyer Discrete CommuteDistance Discrete CustomerKey Key EnglishEducation Discrete EnglishOccupation Discrete FirstName Discrete Gender Discrete GeographyKey Discrete HouseOwnerFlag Discrete LastName Discrete MaritalStatus Discrete NumbersCarsOwned Discrete NumbersChildrenAtHome Discrete Region Discrete TotalChildren Discrete YearlyIncome Continuous

Tipo de Datos Long Long Text Long Text Text Text Text Text Text Text Text Long Long Text Long Double

Para el campo GeographyKey se le ha cambiado el Tipo de Contenido y Tipo de Datos, pues las operaciones matemáticas que usan estos números carecen de significado. 16. En la página Crear Conjunto de Prueba, dejar los datos por defecto y dar clic en Next (Siguiente). Observe la siguiente pantalla:

17. Defina el nombre de la estructura para la Minería de Datos, en nuestro caso escriba DMCorreoDirigido y para el modelo de la Minería de Datos escriba TMArbolDecision, luego active la casilla Permitir obtención de detalles y dar clic en Finish (Finalizar). Observe la siguiente pantalla:

Ing. Dante García

Página 21


18. No se olvide de pulsar el botón Guardar Todo de la barra de herramientas para actualizar todo el proyecto. Observe la siguiente pantalla:

19. Proceda a procesar el proyecto para que el sistema considere los cambios realizados hasta el momento, para ello ir a la ventana del Explorador de Soluciones y sobre el proyecto MineriaDatosDemo, pulsar el botón derecho del mouse y elija la opción Process (Procesar) y responda Yes (Si) para iniciar el proceso. Observe la siguiente pantalla:

Ing. Dante García

Página 22


20. Luego pulsar el botón Run (Ejecutar) y observará que el sistema a procesado el proyecto referente a la Minería de datos. Observe la siguiente pantalla y no se olvide de pulsar el botón Close (Cerrar) dos veces:

21. Cuando el proyecto ha sido procesado, considerando las herramientas disponibles para la Minería de Datos se observa lo siguiente:

a. Mining Structure (Estructura de la Minería) Minería) Con esta herramienta puedes visualizar la Estructura de la Minería de Datos creada y se muestra la vista de datos definida llamada vTargetMail.

Ing. Dante García

Página 23


b. Mining Models (Modelo (Modelo de la Minería de Datos) Muestra que Algoritmo de Minería de Datos usa el proyecto, en nuestro caso: Árboles de Decisión de Microsoft, los campos de entrada y el campo predictivo; en nuestro caso el campo predictivo es Bike Buyer (Comprador de Bicicleta). Observe la siguiente siguiente pantalla:

c. Mining Models Viewer Viewer (Vista del del Modelo de la Minería de Datos) De acuerdo al Algoritmo de Minería de Datos seleccionado, el sistema muestra la vista de la Minería de Datos, en nuestro caso como hemos seleccionado el Árbol de Decisiones de Microsoft, el Sistema para la variable predictiva Bike Buyer (Comprador de bicicletas), muestra el árbol en 3 niveles con análisis de todos los casos (Total de casos analizados: 12939). De estos hay una probabilidad de 50.79% que no puede comprar una bicicleta (con 6572 casos) y un 49.21% que si pueden comprar una bicicleta (con 6367 casos). Observe la leyenda obtenida:

Ing. Dante García

Página 24


Observe el Árbol de Decisión:

Analizando parte del Árbol de Decisión, podemos decir que la condiciones formuladas por el sistema: 



Para una edad (Age) >= 72 años, existen un total de 455 casos analizados, de las cuales 358 no pueden comprar una bicicleta , 97 si pueden comprar , con ausencia de 0. Observe el estrato de pantalla del mismo Árbol de Decisiones. Esto se muestra apuntando con el puntero del mouse sobre cada nodo del árbol.

Para una edad (Age) >= 72 años y con ingresos anuales (Yearly Income) >=42,000 y <=67,600, existen un total de 129 casos analizados, de las cuales 110 no pueden comprar una bicicleta , 19 si pueden comprar , con ausencia de 0. Observe el estrato de pantalla del mismo Árbol de Decisiones. Esto se muestra apuntando con el puntero del mouse sobre cada nodo del árbol. Observe el estrato de pantalla del mismo Árbol de Decisiones

Ing. Dante García

Página 25


También es posible visualizar un Diagrama de Dependencia de Redes donde podemos saber las variables de entrada que usa la variable de predicción (Bike Buyer). Observe la siguiente pantalla:

También es posible obtener una vista genérica del Árbol de Decisiones, para ello ir a la lista de vista (Viewer) y seleccione Microsoft Generic Content Tree Viewer. Observe la siguiente pantalla:

Ing. Dante García

Página 26


d. Mining Accuracy Chart (Gráfico de Precisión de la Minería de Datos) Es posible obtener diferentes tipos de gráficos con los datos analizados, por ejemplo un gráfico lineal de todos los que si pueden comprar bicicletas . (la variable de Predicción debe tomar el valor de 1 ).Observe la siguiente pantalla:

Seleccione la ficha Lift Chart (Gráfico de Elevación) para generar la gráfica lineal de los que pueden comprar bicicletas. Observe la siguiente pantalla:

Leyenda de la Minería

Gráfica de Elevación Un gráfico de elevación representa gráficamente la mejora que ofrece un modelo de minería cuando se compara contra un modelo al azar, y mide el cambio en términos de una puntuación de elevación. Al comparar las puntuaciones de elevación para diversas partes del conjunto de datos y para diferentes modelos, se puede determinar qué modelo es mejor, y qué porcentaje de los casos en el conjunto de datos se beneficiaría de la aplicación de las predicciones del modelo.

Con un gráfico de elevación, se puede comparar la precisión de las predicciones de varios modelos que tienen el mismo atributo de predicción . También puede evaluar la exactitud de la predicción, ya sea para un solo resultado (un único valor del atributo de predicción), o para todos los resultados (todos los valores del atributo especificado). El siguiente gráfico muestra un gráfico de elevación para el modelo de distribución de correo directo que se crea en la Minería de Datos. En esta tabla, el atributo objetivo [Bike Buyer] y el valor de destino es 1, lo que significa que el cliente se predice para comprar una bicicleta. El gráfico de elevación muestra así la mejora del modelo proporciona la hora de identificar a estos clientes potenciales.

Ing. Dante García

Página 27










Al observar la gráfica lineal podemos afirmar que la gráfica representa el porcentaje de la población total (eje X) en relación al porcentaje de la población objetivo (eje Y). Es decir El eje X de la gráfica representa el porcentaje de los datos de prueba que se utiliza para comparar las predicciones. El eje Y de la gráfica representa el porcentaje de los valores previstos. La línea roja representa el Modelo ideal para el Árbol de Decisión con un porcentaje de población objetivo de 100% La línea verde representa al modelo del Árbol de Decisión con una puntuación de 0.84, una población objetivo de 69.08% y predecir la probabilidad en 60.39%. La línea azul representa los resultados de adivinar al azar , y es la base sobre la cual evaluar la elevación con una población objetivo del 50% (49.50% Aprox.). Ejemplo: En la leyenda de la Minería de Datos contiene los valores reales en cualquier punto de las curvas. Puede cambiar el lugar en el que se mide haciendo clic en la barra gris vertical y moverlo. En el gráfico, mueva la línea gris a 30 por ciento , porque este es el punto en el que tanto los modelos filtrados y sin filtrar parecen ser más eficaz, y después de este punto la elevación disminuye. Observe la gráfica:

Ing. Dante García

Página 28


Observando la leyenda:

La leyenda de la Minería también contiene partituras y estadísticas que ayudan a interpretar el gráfico. Estos resultados representan la precisión del modelo en la línea de color gris, que en este escenario es posicionada para incluir 30 por ciento de los casos generales de prueba. A partir de estos resultados, se puede ver que, cuando se mide a 30 por ciento (29.70% aprox.) de todos los casos, el correo destino del 30%, puede predecir el comportamiento de compra de bicicletas de 44.67% de la población objetivo, con una probabilidad del 63.80%. En otras palabras, si usted envió un correo dirigido a sólo el 30 por ciento de los clientes en su base de datos, se podría llegar a un poco menos de la mitad de su público objetivo . Si ha utilizado el modelo filtrado, podría obtener resultados ligeramente mejores, y llegar a alrededor del 51 por ciento de sus clientes objetivo.

El valor para predecir la probabilidad representa el umbral requerido para incluir un cliente entre los "propensos a comprar" . Para cada caso, el modelo estima la exactitud de cada predicción y tiendas que valoran, que se puede utilizar para filtrar o para dirigirse a los clientes. En nuestro caso el envío de correo al 30% de la población objetivo nos daría una probabilidad del 63.80% en comprar bicicletas. El eje X es el mismo que en el gráfico con la columna de predicción especificada, pero el eje Y ahora representa el porcentaje de predicciones que son correctas . Por lo tanto, la línea ideal es la línea diagonal, lo que demuestra que en 50 por ciento de los datos, el modelo predice correctamente 50% de los casos, el máximo que se puede esperar .

Cambiar el Tipo de Gráfico También es posible cambiar el tipo de gráfico a la opción Profit Chart ( Gráfico de Beneficios). Al hacerlo, se muestra la siguiente ventana:

Ing. Dante García

Página 29

Un iver sidad Pri vada San Ju an B autista F acul tad de I ngeni erías Escuela Pr ofesional de I ngeni er ía de Computaci ón y Sistemas Asumiendo una población de 50,000 personas, con un Costo Fijo de 5,000, un Costo Individual de 3 e ingresos por persona de 15, se obtiene la siguiente gráfica de beneficios:

Con una población objetivo del 50%, se obtiene un beneficio de 178,340.90 con una probabilidad del 60.39%. Observe la leyenda:

Matriz de Clasificación Una matriz de clasificación ordena todos los casos del modelo en categorías, determinando si el valor de predicción coincide con el valor real. A continuación, se cuentan todos los casos de cada categoría y los totales se muestran en la matriz. La matriz de clasificación es una herramienta estándar de evaluación de modelos estadísticos a la que a veces se denomina matriz de confusión. El gráfico que se crea cuando se elige la opción Matriz de clasificación compara los valores reales con los valores de predicción para cada estado de predicción especificado. Las filas de la matriz representan los valores de predicción para el modelo, mientras que las columnas representan los valores reales. Las categorías usadas en el análisis son falso positivo, verdadero positivo, falso negativo y verdadero negativo. Una matriz de clasificación es una herramienta importante para evaluar los resultados de la predicción, ya que hace que resulte fácil entender y explicar los efectos de las predicciones erróneas. Al ver la cantidad y los porcentajes en cada celda de la matriz, podrá saber rápidamente en cuántas ocasiones ha sido exacta la predicción del modelo.

Ing. Dante García

Página 30


En nuestro caso la Matriz de Clasificación tiene los siguientes datos:

Interpretación: 











Ing. Dante García

En la tabla anterior se muestra la Matriz de Clasificación para el modelo TM_DecisionTree. Recuerde que para este atributo de predicción, 0 significa No y 1 significa Sí. La primera celda de resultados, que contiene el valor 1802, indica el número de verdaderos positivos para el valor 0 . Dado que 0 indica que el cliente no compró una bicicleta, esta estadística indica que el modelo predijo el valor correcto para quienes no compraron bicicleta en 1802 casos. La celda situada directamente debajo de esa, que contiene el valor 978, indica el número de falsos positivos , o número de veces que el modelo predijo que alguien compraría una bicicleta cuando en realidad no lo hizo. La celda que contiene el valor 717 indica el número de falsos positivos para el valor 1. Dado que 1 significa que el cliente compró una bicicleta, esta estadística indica que, en 717 casos, el modelo predijo que alguien no compraría una bicicleta cuando sí lo hizo . Finalmente, la celda que contiene el valor 2048 indica el número de verdaderos positivos para el valor de destino 1 . En otras palabras, en 2048 casos el modelo predijo correctamente que alguien compraría una bicicleta. Sumando los valores de las celdas contiguas diagonalmente, se puede determinar la exactitud total del modelo. Una diagonal indica el número total de predicciones exactas y la otra indica el número total de predicciones erróneas.

Página 31


Modificar el modelo de Envío de Correo La estructura de la Minería de Datos que se creó anteriormente contiene un modelo de minería de datos individual que se basa en el algoritmo de Árboles de Decisión de Microsoft. En este caso se procederá a definir dos modelos adicionales mediante la Ficha Modelos de Minería de datos del Diseñador de Minería de Datos. En este caso aplicaremos el modelo Naive Bayes y el modelo Clustering.

Crear el Modelo de Minería de Datos usando el Modelo Clustering 1. Cambie a la Ficha Modelos de Minería de Datos del Diseñador de Minería de Datos. Active el Explorador de Soluciones, ir a la Carpeta Mining Structures y hacer doble clic en la estructura de la minería llamada DMCorreoDirigido.dmm. Luego hacer clic en Mining Models. Observe la siguiente pantalla:

Observe que el diseñador muestra dos columnas: una para la estructura de la Minería de Datos y otra para el modelo de Minería de Datos inicial que se creó anteriormente. 2. Ir a la columna Structure (Estructura), pulsar el botón derecho del mouse y elija la opción Nuevo Modelo de Minería de Datos. Observe la siguiente pantalla:

Ing. Dante García

Página 32


3. Esto permite abrir el Cuadro de Diálogo para definir el nombre del modelo. En este caso para el nombre del modelo escriba TM_Clustering. 4. En Nombre del Algoritmo seleccione Clusteres de Microsoft. Observe la siguiente pantalla y no se olvide de pulsar el botón Aceptar (OK):

5. En el Modelo de Minería de Datos aparece un nuevo modelo creado por el Algoritmo de Clústeres de Microsoft. Este algoritmo puede agrupar en clúster y predecir atributos continuos y discretos. Observe la siguiente pantalla:

Crear el Modelo de Minería de Datos usando el Modelo Naive Bayes 1. Cambie a la Ficha Modelos de Minería de Datos del Diseñador de Minería de Datos. Active el Explorador de Soluciones, ir a la Carpeta Mining Structures y hacer doble clic en la estructura de la minería llamada DMCorreoDirigido.dmm. 2. Ir a la columna Structure (Estructura), pulsar el botón derecho del mouse y elija la opción Nuevo Modelo de Minería de Datos. 3. Esto permite abrir el Cuadro de Diálogo para definir el nombre del modelo. En este caso para el nombre del modelo escriba TM_NaiveBayes. 4. En Nombre del Algoritmo seleccione Microsoft Naive Bayes. Observe la siguiente pantalla y no se olvide de pulsar el botón Aceptar (OK):

Ing. Dante García

Página 33


6. En el Modelo de Minería de Datos aparece un nuevo modelo creado por el Algoritmo de Bayes Naive de Microsoft. Este algoritmo al crearlo muestra un mensaje explicando que no admite columnas continuas. Para trabajar con estas columnas el modelo Bayes Naive debe discretizarlas. En nuestro caso hacer clic en Yes (Si) para confirmar el mensaje y continuar Observe la siguiente pantalla:

7. En el Modelo de Minería de Datos aparece un nuevo modelo creado por el Algoritmo de Bayes Naive. Observe la siguiente pantalla:

Ing. Dante García

Página 34


Procesar los Modelos de Minería de Datos 1. En el menú Debug (Depurar) seleccione Start Debugging (Iniciar Depuración) o presionar F5. Observe la siguiente pantalla:

2. La base de datos Analysis Services se implementa en el equipo servidor y los modelos de Minería de Datos se procesan. Observa las siguientes pantallas:

Ing. Dante García

Página 35


3. Si la base de datos ya se ha implementado en el equipo servidor, puede procesar sólo los modelos de Minería de Datos.

Procesar los Modelos de Minería de Datos cuando el proyecto ya se ha implementado 1. En el menú Mining Model (Modelo de Minería de Datos) elija la opción Process para procesar todos los modelos y pulsar el botón Run (Ejecutar). 2. Se abre el cuadro de diálogo Progreso del Proceso para mostrar información acerca del procesamiento del modelo. Este proceso puede llevar algún tiempo dependiendo del equipo. Observe la siguiente pantalla, no se preocupe por la generación de los warnings. No se olvide de pulsar el botón Close (Cerrar) en ambos casos:

Explorar los Modelos de la Minería de Datos 1. Una vez que se procesen los modelos de su proyecto, podrá verlos usando la ficha Visor de Modelos de Minería de Datos del Diseñador de Minería de Datos. Puede usar la lista Modelos de Minería de Datos ubicada en la parte superior de la ficha, para examinar los modelos individuales en la estructura de Minería de Datos. Observe las siguientes pantallas:

Modelo de Minería de Datos Árbol de Decisión

Ing. Dante García

Página 36


Modelo de Minería de Datos Clustering de Microsoft

Modelo de Minería de Datos Naive Bayes

Trabajando con el Modelo de Minería de Datos Árbol de Decisión Cuando cambie a la ficha Visor de Modelos de Minería de Datos en el Diseñador de Minería de Datos para el proyecto, el diseñador se abre con el modelo de minería de datos de correo directo que es el primero de la estructura. Cada algoritmo utilizado para crear un modelo en Analysis Services aporta diferentes resultados, por lo tanto se ofrece un visor independiente para cada algoritmo. Para el caso del algoritmo de Árbol de Decisión, el Visor tiene dos fichas: un para el Árbol de Decisión y la otra para la Red de Dependencias.

Ing. Dante García

Página 37


Árbol de Decisión 1. En la ficha Árbol de Decisión puede examinar los tres modelos de árbol que componen un modelo de Minería de Datos. Dado que el modelo de correo directo incluido en este proyecto tiene una sola variable de predicción (Bike Buyer), sólo hay un árbol para ver. Si hubiera más árboles, se podría usar el cuadro árbol para elegir uno diferente. Observe la siguiente pantalla:

2. De manera predeterminada el Visor de Árboles de Microsoft sólo muestra los primeros tres niveles del árbol, si el árbol contiene menos de tres niveles, el visor mostrará solo los niveles existentes. Puede ver más niveles usando el control deslizante Mostrar nivel o las lista Expansión predeterminada. Observe la siguiente pantalla:

Modificar el Árbol 1. Deslice Mostrar nivel hasta 5 (la Lista Default Expansion debe estar en 5 niveles) 2. Cambiar la lista fondo a 1

Ing. Dante García

Página 38


3. Al cambiar la configuración de Fondo , podrá ver rápidamente el número de escenarios para Bike Buyer que son igual a 1 y que existen en cada nodo. Cuando más oscuro sea el sombreado del nodo más escenarios incluye. Observe la siguiente pantalla:

Información de los Nodos del Árbol de Decisión 1. La información necesaria para alcanzar el nodo desde el nodo anterior. Puede ver la ruta completa del nodo en la Leyenda de Minería de datos o deteniendo el puntero sobre un nodo para ver un recuadro informativo.

2. Un histograma que describe la distribución de estados de la columna de predicción por orden de popularidad. Puede decir cuántos estados aparecen en el histograma mediante el control de histogramas.

Ing. Dante García

Página 39


3. La concentración de escenarios, si el estado del atributo de predicción se ha especificado en el control Fondo. 4. Puede ver los escenarios de entrenamiento que cada nodo admite haciendo clic con el botón secundario en el nodo y a continuación, seleccionando (Drill Through) Obtener Detalles. De este menú elija la opción Model Columns Only. Observe la siguiente pantalla:

Red de Dependencias Esta ficha muestra las relaciones entre los atributos que contribuyen a la capacidad de predicción del modelo de Minería de Datos. Observe la siguiente pantalla:

Ing. Dante García

Página 40


1. El nodo central para la Red de Dependencia, Bike Buyer; representa el atributo de predicción del modelo de Minería de Datos. Cada nodo adyacente representa un atributo que afecta el resultado del atributo de predicción. 2. Puede usar el control deslizante situado en la parte izquierda de la ficha para controlar la intensidad de los vínculos que se muestran. Si desplaza el control deslizante hacia abajo, solo se mostrarán los vínculos de mayor intensidad. 3. Haga clic en un nodo del a red, y a continuación, consulte la leyenda de color situada en la parte inferior de la ficha para ver cuáles son los nodos predichos por el nodo seleccionado o los nodos que predicen al nodo seleccionado. Observe la siguiente pantallas:

Ing. Dante García

Página 41


El Modelo Microsoft Clustering 1. Utilice la lista Modelo de minería de Datos de la parte superior de la ficha Visor de Modelos de Minería de Datos para cambiar al Modelo TM_Clustering. 2. El Visor de este modelo, el Visor de Clústeres de Microsoft contiene cuatro fichas: Diagrama del Clúster, perfiles del Clúster, Características del Clúster y Definición del Clúster . De forma predeterminada el Visor muestra la ficha Diagrama del Clúster cuando se abre por primera vez. Observe la siguiente pantalla:

Diagrama del Clúster 1. La ficha Diagrama del clúster muestra todos los clústeres de un modelo de minería de datos. Aquí puede comprobar la cantidad de agrupaciones que se encontraron en el conjunto de datos y lo cerca o lejos que se encuentran entre sí. 2. Este diagrama permite explorar las relaciones entre los clústeres detectados por el algoritmo. La línea entre los clústeres representa la “proximidad” y aparecen sombreadas en función de la similitud entre los clústeres. Ing. Dante García

Página 42


3. El color de cada clúster representa la frecuencia de la variable y el estado del clúster . 4. Puede seleccionar la variable y el estado en los cuadros Variable de Sombreado y Estado de la parte superior del nodo. 5. La variable predeterminada es llenada, pero puede cambiarla a cualquier atributo del modelo con el fin de determinar los clústeres que contienen miembros con los atributos que desea. 6. Si usa el control deslizante situado en la parte izquierda de la red , puede filtrar los vínculos de menor intensidad y encontrar los clústeres con las relaciones más próximas 7. Por Ejemplo: Establecer la variable de sombreado en Age (Edad) y Estado Muy Alta (>=63). Observe la siguiente pantalla:

8. Cuanto más oscuro sea el sombreado, mayor será la proporción del atributo de destino y la distribución de valores para ése clúster. 9. Busque el clúster con el sombreado más oscuro cuando la Variable de sombreado se establezca en Edad >65. Mantenga el mouse sobre el clúster. 10. El valor que aparece ahora en la ventana de información sobre herramientas muestra la población de clientes en este clúster con más de 65 años de edad. 11. Haga clic con el botón secundario en este clúster y seleccione Cambiar nombre de clúster . Escriba un nombre nuevo que sea descriptivo, como Más de 65. El nuevo nombre se guarda con el modelo en el servidor y se puede usar para identificar el clúster en las otras vistas de agrupación en clústeres. 12. Otro ejemplo: Establecer la variable de sombreado en Bike Buyer y Estado en 1, observará que el clúster 9 es el que contiene la mayor densidad de compradores de bicicletas (Bike Buyer) y que la relación más fuerte existen entre el clúster 1 y el clúster 6.

Perfiles del Clúster 1. La pestaña Perfiles del clúster le permite comparar la composición de todos los clústeres de un vistazo. Es un buen punto de partida cuando se empieza a familiarizar con el modelo. Esta vista será también útil más adelante, si ha estado explorando un clúster determinado y decide que necesita buscar clústeres relacionados.

Ing. Dante García

Página 43


2. Perfiles del clúster también ofrece buena información general sobre las diferencias entre clústeres. Por consiguiente, se recomienda usar esta vista para asignar a cada clúster un nombre descriptivo. 3. La ficha perfiles del clúster proporciona una vista global del modelo TM_Clustering . Como podrá ver el visor, la ficha perfiles del clúster contiene una columna por cada clúster del modelo. 4. La primera columna enumera los atributos asociados a un clúster como mínimo . El resto del visor contiene la distribución de estados de un atributo por cada clúster. 5.

La distribución de una variable discreta se muestra como una barra coloreada y el número máximo de barras aparece en la lista Barras de Histograma.

6. Los atributos continuos se muestran con un diagrama de rombo que representa la desviación media y estándar en cada clúster. 7. Para familiarizarse con esta vista realizar lo siguiente: a. Haga clic en la celda con los empleos, en la columna Estados , para ver la lista de todos los valores para empleos. b. Ahora desplace el cursor sobre Empleos en los perfiles del clúster . c. La información sobre herramientas muestra la distribución de los empleos en ese clúster. Observe la siguiente pantalla:

d. Observe que, en algunos clústeres (como el que está en el gráfico), la lista de empleos no está completa y algunos empleos se reemplazan con la etiqueta Otros. e. Esto es así por motivos de diseño, ya que podría resultar difícil ver las diferencias entre muchas barras pequeñas en un histograma. De forma predeterminada, solamente se conservan las barras de mayor importancia y las restantes se agrupan en un depósito gris denominado Otros . f.

Para cambiar el número de barras que se pueden ver en un histograma, se usa la opción Barras de histograma.

g. Observe que la columna Edad tiene un aspecto diferente al resto . Haga clic en el rombo del gráfico que se usa para representar la edad. h. La columna Edad inicialmente solo contenía números continuos . El algoritmo de clústeres requiere valores discretos, de modo que agrupó los valores numéricos

Ing. Dante García

Página 44


de la columna Edad en un número limitado de grupos de edad, en función de la distribución de valores. i.

Haga clic en uno de los gráficos de rombo en un perfil del clúster .

j.

Estos gráficos de rombo se muestran únicamente cuando los datos de origen usan valores numéricos continuos. Los gráficos de rombo proporcionan algunas estadísticas descriptivas de utilidad, lo cual incluye la media y la desviación estándar para ese valor en cada clúster: i. La línea del gráfico de rombo representa el intervalo de valores del atributo. Los valores también se muestran en la columna Estados a la izquierda del gráfico Perfiles. ii. El centro del rombo se encuentra en la media del nodo. iii. El ancho del rombo representa la varianza del atributo en ese nodo. Por tanto, un rombo más estrecho indica que el nodo puede crear una predicción más exacta.

k. Para crear más espacio en el gráfico, haga clic con el botón secundario en un clúster que no necesite ver de forma inmediata y seleccione Ocultar columna. Esto no elimina la columna del modelo, tan solo la contrae temporalmente. l.

Para ver los clústeres que ha ocultado, puede hacer clic y arrastrar el borde de la columna o seleccionar el nombre del clúster en la lista Más clústeres.

m. Descienda por la lista de atributos hasta que encuentre Bike Buyer y, después, busque el clúster con el porcentaje más alto de los valores Sí. n. Haga clic con el botón secundario en el encabezado de la columna para el clúster al que desea cambiar el nombre, seleccione Cambiar nombre de clúster y escriba Bike Buyers. o. El nuevo nombre del clúster se mantiene en todas las vistas y en el servidor hasta que se vuelva a procesar el modelo. Observe la siguiente pantalla:

Sugerencias 1. Haga clic en un encabezado de columna para ordenar los atributos por orden de importancia respecto a ese clúster. 2. Arrastre las columnas para volver a ordenarlas en el visor. Ing. Dante García

Página 45


3. Haga clic en cualquier celda del gráfico de perfiles para ver estadísticas detalladas en la Leyenda de minería de datos . 4. Haga clic con el botón secundario en una celda y seleccione Obtener detalles de columnas del modelo para generar los datos subyacentes en una nueva hoja de cálculo de Excel. 5. Haga clic con el botón secundario en el encabezado de la columna del clúster y seleccione Obtener detalles de datos de la estructura para obtener información detallada sobre los miembros del clúster que no se incluyó en el modelo. 6. Por ejemplo, si está creando perfiles de clientes, puede que deje la información de contacto en datos subyacentes (la estructura de minería de datos) pero sin incluirla en el modelo porque no es de utilidad para el análisis. Sin embargo, una vez se hayan asignado los clientes a los clústeres, podrá ver los datos detallados mediante la obtención de detalles.

Características del Clúster 1. Con la vista Características de clúster , podrá realizar una exploración profunda de un solo clúster , para buscar los atributos que mejor definen a este grupo de datos. 2. Seleccione el clúster Más de 65 en la lista Clúster . 3. Tras seleccionar un clúster, puede ver detalladamente las características que lo componen. 4. Los atributos que contiene el clúster se enumeran en las columnas Variables; el estado del atributo se indica en la columna Valores. 5. Los estados de los atributos se enumeran por orden de importancia, junto con su probabilidad en este clúster, lo cual se representa con una barra coloreada en la columna Probabilidad. Observe la siguiente pantalla:

6. Haga clic en la columna Variables para ordenar por atributo . 7. Al cambiar la variable para ordenar, podrá ver con más facilidad cómo se distribuyen en el grupo los valores de variables tales como ingresos o propiedad de vehículo. 8. Haga clic en Copiar a Excel. 9. Se agrega una nueva hoja de cálculo al libro que contiene las características del clúster seleccionado. 10. Ahora elija otro clúster en la lista, Bike Buyers. 11. Haga clic en Copiar a Excel. Ing. Dante García

Página 46


12. Tenga en cuenta que el nuevo gráfico de características del clúster se ha agregado en su propia hoja de cálculo. Puede moverlo a la misma hoja de cálculo que el otro perfil para hacer más sencilla su comparación, lo cual lo hará en el paso siguiente.

Sugerencias 1. Observe que la característica principal del cliente en el clúster Más de 65 es que no compran su producto. Si quiere saber por qué es así, puede examinar los clústeres y comparar los grupos o bien, puede crear un modelo relacionado con un algoritmo que sea bueno para examinar las causas y los resultados, como un modelo de árbol de decisión o un modelo Bayes naive. 2. Si desea obtener una lista completa de atributos y de probabilidades para este clúster (o para todos los clústeres) puede crear una consulta.

Distinción del Clúster 1. Puede utilizar la pestaña Distinción del clúster para comparar los atributos de dos clústeres o bien, entre un clúster y el resto de casos en el conjunto de datos. 2. Para resaltar las características de este visor, lo compararemos con las tablas de simultaneidad de Excel que había creado según la vista Características del clúster. 3. Utilice las listas Clúster 1 y Clúster 2 para seleccionar los clústeres que desea comparar. a. Para Clúster 1, seleccione Más de 65. b. Para Clúster 2, seleccione Bike Buyers. 4. La comparación debería tener una apariencia similar a la del gráfico siguiente:

5. Observe que, en segundo plano, el visor Distinción del clúster envía consultas complejas al servidor de minería de datos para extraer los atributos que son más importantes a la hora de diferenciar dos grupos, lo cual facilita la labor de comparar dos conjuntos de clientes. 6. Haga clic en una de las columnas Favorece… . 7. La barra a la derecha de la lista de atributos y valores muestra las características o valores que son más importantes como rasgos diferenciadores del clúster seleccionado. 8. Ahora compare las listas de Excel. 9. Observe las listas de Excel: Ing. Dante García

Página 47


Dado que las estadísticas subyacentes que se usaron para generar la imagen en el visor se guardan en Excel como tablas , puede filtrar y ordenar, y ver los valores reales de probabilidad. Además de utilizar Excel, se recomienda que pruebe el visor de clústeres para Visio, el cual permite no solo ver los puntos de datos, sino también modificar y mejorar ampliamente el gráfico.

El Modelo Microsoft Bayes Naive Cuando abre un modelo Bayes naive con Examinar, el modelo se muestra en un visor interactivo de cuatro paneles diferentes. El visor se usa para explorar las correlaciones y obtener información sobre el modelo y los datos subyacentes. 

Red de dependencias



Perfiles del atributo



Características del atributo



Distinción del atributo

Explorar el Modelo 1. El visor tiene por objeto ayudarle a explorar la interacción entre los atributos de entrada y los atributos de salida (las entradas y variables dependientes) que se detectaron mediante el modelo Bayes naive de Microsoft. 2. Si desea experimentar con el visor Bayes naive, use el asistente para Asistente para clasificación (Complementos de minería de datos para Excel) en la cinta de opciones de Minería de datos, haga clic en Opciones avanzadas y cambie el algoritmo para poder usar el algoritmo Bayes naive. 3. Para estos ejemplos, se usan los datos de origen y se agrupa la columna Ingresos anuales en cinco grupos de ingresos, desde Muy bajo a Muy alto . Posteriormente, el modelo Bayes naive analiza los factores en correlación con cada categoría de ingresos .

Red de Dependencias La primera ventana que se usará es Red de dependencias. Muestra de un solo vistazo las entradas que están estrechamente correlacionadas con el resultado seleccionado. Observe la siguiente pantalla:

Ing. Dante García

Página 48


Explorar la Red de Dependencias 1. Primero, haga clic en el resultado de destino Ingresos anuales , que se representa como un nodo en el gráfico. 2. Los nodos resaltados que rodean la variable de destino son los que se correlacionan estadísticamente con este resultado. Use la leyenda en la parte inferior del visor para entender la naturaleza de la relación. 3. Haga clic en el control deslizante a la izquierda del visor y arrástrelo hacia abajo. 4. Este control filtra las variables independientes según la importancia de las dependencias. Cuando desplace el control deslizante hacia abajo, solamente permanecen en el gráfico los vínculos de mayor importancia. 5. Una vez haya filtrado el gráfico, haga clic en el botón Copiar vista del gráfico. A continuación, seleccione una hoja de cálculo de Excel y presione Ctrl+V. 6. Esta opción copia la vista seleccionada, incluidos los filtros y lo que se ha resaltado.

Perfiles del Atributo Las ventanas Perfiles del atributo proporcionan una indicación visual sobre cómo el resto de variables se relacionan con los resultados individuales.

Explorar los Perfiles 1. Para ocultar algunos valores de forma que pueda comparar los resultados con mayor facilidad, haga clic en el encabezado de columna y arrástrelo a otra columna. Observe la siguiente pantalla:

Ing. Dante García

Página 49


2. Haga clic en cualquier celda para ver la distribución de los valores en la Leyenda de minería de datos. 3. Como los atributos asociados a los distintos resultados se muestran visualmente, es fácil identificar correlaciones interesantes, como por ejemplo, la forma en que se distribuyen los ingresos por región. 4. Para obtener los datos subyacentes de esta vista, haga clic en Copiar a Excel. Una tabla se genera en una hoja de cálculo nueva que muestra las correlaciones entre atributos y resultados individuales. En esta tabla de Excel puede ocultar o filtrar columnas fácilmente.

Características del Atributo La vista Características del atributo resulta útil para efectuar un examen en detalle de una variable de resultados en particular y de los factores que contribuyen a ello . Observe la siguiente pantalla:

Ing. Dante García

Página 50


Explorar las Características del Atributo 1. Haga clic en Valor y seleccione un elemento de Valor . 2. Al seleccionar un resultado de destino, el gráfico se actualiza para mostrar los factores más estrechamente asociados a los resultados, ordenados según su importancia. 3. Tenga en cuenta que si crea un modelo usando la opción Analizar influenciadores clave (Herramientas de análisis de tabla para Excel), podrá crear modelos que tengan más de un atributo de predicción . Sin embargo, el resto de los asistentes de los complementos de minería de datos le limitarán a un solo atributo de predicción. 4. Haga clic en Copiar a Excel para crear una tabla en una nueva hoja de cálculo donde se enumeren las puntuaciones para todos los atributos relacionados con el resultado seleccionado de destino.

Distinción del Atributo La vista Distinción del atributo le ayuda a comparar dos resultados o un resultado frente al resto de resultados. Observe la siguiente pantalla:

Explorar la Distinción del Atributo 1. Utilice los controles Valor 1 y Valor 2 para seleccionar los resultados que desea comparar . 2. Por ejemplo, en este modelo había ciertos atributos interesantes en el grupo de salario bajo, por lo que elegimos el grupo con los ingresos más bajos de la primera lista desplegable y elegimos Todos los otros estados en la segunda lista desplegable. 3. Los atributos se ordenan por orden de importancia (se calcula en función de los datos de entrenamiento). Por tanto, el empleo es el factor más estrechamente correlacionado con los ingresos (al menos para el primer grupo de destino). 4. Para ver las cifras exactas, haga clic en la barra de color y consulte la Leyenda de minería de datos. 5. Observe que los ingresos más bajos también se correlacionan con la región Europa. 6. El modelo de Bayes naive no admite la obtención de detalles; sin embargo, si quisiera investigar los casos asociados a este grupo de resultados, puede utilizar una consulta.

Ing. Dante García

Página 51


Algoritmo de Asociación de Microsoft Este algoritmo de Microsoft es un algoritmo de asociación suministrado por Analysis Services, útil para los motores de recomendación. Un motor de recomendación recomienda productos a los clientes basándose en los elementos que ya han adquirido o en los que tienen interés. El algoritmo de asociación de Microsoft también resulta útil para el análisis de la cesta de compra. Los modelos de asociación se generan basándose en conjuntos de datos que contienen identificadores para casos individuales y para los elementos que contienen los casos. Un grupo de elementos de un caso se denomina un conjunto de elementos. Un modelo de asociación se compone de una serie de conjuntos de elementos y de las reglas que describen cómo estos elementos se agrupan dentro de los casos. Las reglas que el algoritmo identifica pueden utilizarse para predecir las probables compras de un cliente en el futuro, basándose en los elementos existentes en la cesta de compra actual del cliente. El siguiente diagrama muestra una serie de reglas en un conjunto de elementos.

Como muestra el diagrama, el algoritmo de asociación de Microsoft puede encontrar potencialmente muchas reglas dentro de un conjunto de datos. El algoritmo usa dos parámetros, soporte y probabilidad, para describir los conjuntos de elementos y las reglas que genera . Por ejemplo, si X e Y representan dos elementos que podrían estar en un carro de la compra, el parámetro de soporte es el número de casos en el conjunto de datos que contienen la combinación de elementos, X e Y. Utilizando el parámetro de soporte en combinación con los parámetros definidos por el usuario, MINIMUM_SUPPORT y MAXIMUM_SUPPORT, el algoritmo controla el número de conjuntos de elementos que se generan . El parámetro de probabilidad, también denominado confianza, representa la fracción de casos en el conjunto de datos que contienen X y que también contienen Y. Utilizando el parámetro de probabilidad en combinación con el parámetro MINIMUM_PROBABILITY, el algoritmo controla el número de reglas que se generan .

Cómo Funciona el Algoritmo 











El algoritmo de asociación de Microsoft recorre un conjunto de datos para hallar elementos que aparezcan juntos en un caso. A continuación, agrupa en conjuntos de elementos todos los elementos asociados que aparecen, como mínimo, en el número de casos especificado en el parámetro MINIMUM_SUPPORT. Por ejemplo, un conjunto de elementos puede ser "Mountain 200=Existing, Sport 100=Existing" y tener un soporte de 710. El algoritmo generará reglas a partir de los conjuntos de elementos. Estas reglas se usan para predecir la presencia de un elemento en la base de datos, basándose en la presencia de otros elementos específicos que el algoritmo ha identificado como importantes. Por ejemplo, una regla puede ser "if Touring 1000=existing and Road bottle cage=existing, then Water bottle=existing", y puede tener una probabilidad de 0.812. En este ejemplo, el algoritmo identifica que la presencia en la cesta del neumático Touring 1000 y del soporte de la botella de agua predice que probablemente la cesta de compra incluirá también una botella de agua.

Ing. Dante García

Página 52


Crear una Estructura de Minería de Datos de Asociación 1. En el Explorador de soluciones en SQL Server Data Tools (SSDT), haga clic con el botón secundario en Estructuras de minería de datos y seleccione Nueva estructura de minería de datos para abrir el Asistente para minería de datos. 2. En la página de inicio del Asistente para minería de datos, haga clic en Siguiente. 3. En la página Seleccionar el método de definición , compruebe que la opción A partir de una base de datos relacional o del almacenamiento de datos se ha seleccionado y, a continuación, haga clic en Siguiente. 4. En la página Crear la estructura de minería de datos , en ¿Qué técnica de minería de datos desea utilizar?, seleccione Reglas de asociación de Microsoft en la lista y, a continuación, haga clic en Siguiente. Aparecerá la página Seleccionar vista del origen de datos. 5. Seleccione Orders en Vistas del origen de datos disponibles y, a continuación, haga clic en Siguiente. 6. En la página Especificar tipos de tablas, en la fila correspondiente a la tabla vAssocSeqLineItems, active la casilla Anidada y, en la fila de la tabla anidada vAssocSeqOrders, active la casilla Caso. Haga clic en Siguiente. 7. En la página Especificar los datos de aprendizaje, desactive las casillas que estén activadas, si hay alguna. Establezca la clave para la tabla de casos, vAssocSeqOrders, activando la casilla Clave junto a OrderNumber. Dado que el propósito del análisis de la cesta de la compra es determinar qué productos están incluidos en una transacción única, no tiene que usar el campoCustomerKey. 8. Establezca la clave para la tabla anidada, vAssocSeqLineItems, activando la casilla Clave junto a Model. La casilla Entrada se activa también automáticamente al hacer esto.Active igualmente la casilla De predicción correspondiente a Modelo. En un modelo de cesta de la compra, no se preocupa de la secuencia de productos de la cesta de la compra y, por consiguiente, no debería incluir LineNumber como clave de la tabla anidada. Se usaría LineNumber como clave solo en un modelo en el que la secuencia fuera importante. 9. Active la casilla situada a la izquierda de IncomeGroup y Region, pero no realice ninguna otra selección. Al activar la columna situada más a la izquierda se agregan las columnas a la estructura como referencia posterior, pero las columnas no se usarán en el modelo. Las selecciones tendrán la apariencia siguiente:

Ing. Dante García

Página 53


10. Haga clic en Siguiente. 11. En la página Especificar el contenido y el tipo de datos de las columnas , revise las selecciones, que deberían mostrarse en la tabla siguiente, y a continuación haga clic en Siguiente.

12. En la página Crear conjunto de pruebas , el valor predeterminado para la opción Porcentaje de datos para pruebas es el 30 por ciento. Cámbielo a 0. Haga clic en Siguiente. Analysis Services proporciona varios gráficos para medir la precisión del modelo . Sin embargo, algunos tipos de gráficos de precisión, como el gráfico de elevación y el informe de validación cruzada, están diseñados para la clasificación y la estimación . No se pueden usar en la predicción asociativa.

13. En la página Finalización del asistente, en Nombre de la estructura de minería de datos, escriba Association. 14. En Nombre del modelo de minería de datos , escriba Asociación. 15. Seleccione la opción Permitir obtención de detalles y, a continuación, haga clic en Finalizar . El Diseñador de minería de datos se abre para mostrar la estructura de minería de datos Association que acaba de crear.

Ing. Dante García

Página 54


Minería de datos con Excel usando SQL Server Para aplicar la Minería de Datos con Excel, es necesario descargar de la página Web de Microsoft el Complemento para minería del SQL Server 2012, ya sea para 32 bits o de 64 bits. Esto va depender del Sistema Operativo Windows. Para que Excel tenga acceso a la Minería de Datos: 1. Descargar los archivos de complementos de la página web de Microsoft. Proceda a escribir en el Explorador Web la siguiente dirección Web: https://www.microsoft.com/eses/download/details.aspx?id=35578 2. Seleccione como idioma Español y pulsar el botón Descargar. Observe la siguiente pantalla:

3. Elija la descarga que deseas si es para 32 bits o para 64 bits. a. El archivo 3082\x64\SQL_AS_DMAddin.msi es para 64 bits. b. El archivo 3082\x86\SQL_AS_DMAddin.msi es para 32 bits. 4. Marcar la descarga deseada y pulsar el botón Next. Observe la siguiente pantalla:

5. Abrir el botón Guardar y elija la opción Guardar Como para grabar el archivo en una carpeta destino. Observe la siguiente imagen:

Ing. Dante García

Página 55


6. Los Requisitos de instalación son muy importante a tenerlos en cuenta para que el complemento se pueda instalar con éxito: a. Si tiene instalada una versión anterior de los Complementos de minería de datos, debe quitarla con Agregar o quitar programas del Panel de control antes de instalar la versión más reciente. No se quitarán los valores de configuración del usuario, como Conexiones. b. Paso 1: comprobar que Microsoft Office 2010 o 2013 está instalado. c. Paso 2: si todavía no tiene Microsoft .NET Framework 4.0, descargar e instalar la versión de Microsoft .NET Framework 4.0 correspondiente a la arquitectura del equipo (32 o 64 bits) de la instalación de Office. d. Si piensa instalar las Herramientas de análisis de tabla para Excel o el Cliente de minería de datos para Excel, compruebe que el componente Compatibilidad con programación de .NET esté instalado en Microsoft Office Excel ejecutando el programa de instalación de Microsoft Office desde Agregar o quitar programas del Panel de control. e. Si piensa instalar las Plantillas de minería de datos para Visio, compruebe que el componente Compatibilidad con programación de .NET esté instalado en Microsoft Office Visio ejecutando el programa de instalación de Microsoft Office Visio 2010 desde Agregar o quitar programas del Panel de control. f.

Paso 3: descargar la versión apropiada de los Complementos de minería de datos correspondiente a la arquitectura del equipo (32 o 64 bits) de la instalación de Office 2010 haciendo clic en el vínculo de descarga que aparece más adelante en esta página. Para iniciar la instalación inmediatamente, haga clic en Ejecutar. Para instalar en otro momento, haga clic en Guardar. Con los Complementos de minería de datos se instalan la licencia y la documentación.

7. Hacer doble clic sobre el archivo para proceder a su instalación y siga todos los pasos del asistente para lograr una excelente instalación. Al ejecutar la aplicación se muestrea la siguiente pantalla, pulsar el botón Ejecutar.

8. El asistente le mostrara una pantalla tal como se indica y pulsar el botón Siguiente.

Ing. Dante García

Página 56


9. Aceptar los términos de contrato de licencia tal como se indica en la siguiente pantalla y pulsar el botón siguiente:

10. Abrir la lista de Cliente de Minería de Datos para Excel y seleccionar se instalará en el disco duro local. Observe la siguiente pantalla, no se olvide de pulsar siguiente.

Ing. Dante García

Página 57


11. Pulsar el botón Instalar para proceder a la Instalación y pulse Finalizar para terminar.

12. Ejecutar el Excel y proceda a cargar el com plemento: a. Ir al menú Archivo, Opciones, Complementos y pulsar el botón Ir. b. Marcar las dos casillas de Complementos referentes a Microsoft SQL Server Data Mining, tal como indica la siguiente pantalla:

13. Cuando el Complemento se ha marcado y has pulsado el botón Aceptar, observarás una nueva Ficha llamada Minería de Datos. Observe la siguiente pantalla:

14. En este caso ya se encuentra listo para trabajar con la minería de datos desde Excel usando el SQL Server.

Ing. Dante García

Página 58


Cliente de Minería de Datos para Excel El Cliente de minería de datos para Excel es un conjunto de herramientas que permiten realizar tareas comunes de minería de datos, desde limpieza de datos hasta generación de modelos y consultas de predicción. Puede utilizar los datos de las tablas o los rangos de Excel, o tener acceso a orígenes de datos externos. Esta herramienta nos permite:

Acceso a datos, limpieza de datos y administración de datos Cargue los datos en Excel, límpielos, compruebe la existencia de valores atípicos y cree resúmenes estadísticos. También puede realizar diferentes tipos de muestreo, perfiles de los datos y probar los modelos con datos externos. El Cliente de minería de datos es el modo más sencillo de preparar datos para el análisis sin necesidad de complejos scripts o procesos ETL.

Herramientas de modelado Estas herramientas proporcionan interfaces de asistente para algoritmos de minería de datos conocidos y probados empíricamente, incluida la agrupación en clústeres (mediana-k y EM), el análisis de la asociación, el análisis de series temporales y los árboles de decisión. Las opciones avanzadas de modelado para cada asistente le permiten elegir algoritmos diferentes, como Naïve Bayes o las redes neuronales, y personalizar el comportamiento como la inicialización del clúster o el tamaño del muestreo inicial. Todos los algoritmos de minería de datos se hospedan en una instancia de Analysis Services, lo que le ofrece más capacidad para generar modelos complejos.

Prueba, predicción y validación El Cliente de minería de datos proporciona herramientas estándar del sector para probar los modelos, incluidos los gráficos de elevación y la validación cruzada. Los asistentes proporcionados facilitan las pruebas de la validez del conjunto de datos y su precisión. El asistente de consulta genera consultas para usar los modelos para la predicción y la puntuación.

Visualización e informes Los gráficos generados por la mayoría de las herramientas pueden guardarse directamente en Excel. Utilice la herramienta Examinar modelos en Excel (Complementos de minería de datos de SQL Server) para explorar los modelos.

Escalabilidad y extensibilidad El Cliente de minería de datos para Excel mantiene una conexión activa con el servidor, por lo que se puede guardar el modelo de minería de datos en el servidor, para usarlo en otras pruebas o implementarlo en un servidor de producción para conseguir una mayor escalabilidad.

Conectar con los datos de origen (Cliente de minería de datos para Excel) Describe cómo crear y usar las conexiones utilizadas para almacenar modelos de minería de datos y para obtener acceso a datos externos almacenados en Analysis Services. 

Conexiones de minería de datos La conexión inicial que crea cuando inicia los complementos se usa para obtener acceso a los algoritmos, analizar los datos y almacenar modelos y estructuras de minería de datos. Se requiere una conexión a una instancia de Analysis Services para usar las herramientas de modelado y de visualización en los complementos, ya que los complementos dependen de los algoritmos y estructuras de datos que proporciona Analysis Services.



Conexiones a los orígenes de datos externos. También puede crear conexiones a datos externos mientras crea modelos o guarda resultados. Por ejemplo, puede crear un modelo de minería de datos en un servidor y, a continuación, realizar una consulta de predicción a partir de ese modelo de minería de datos usando los datos almacenados en otra instancia de Analysis Services, en una tabla de datos de Excel o en un origen de datos externo, como

Ing. Dante García

Página 59


Microsoft Access. Cada vez que obtenga acceso al nuevo origen de datos, se le pedirá que cree una conexión mediante un cuadro de diálogo.

Crear Conexiones al Servidor de Minería de datos El grupo Conexiones del Cliente de minería de datos para Excel y las Herramientas de análisis de tabla para Excel proporciona herramientas para administrar las conexiones a una instancia de SQL Server Analysis Services. 







Es posible crear la conexión al instalar el complemento o agregarla posteriormente. Puede crear varias conexiones y modificar las conexiones en cualquier momento, a menos que esté en el proceso de crear o consultar un modelo. No cambie ni cierre una conexión cuando se esté procesando un modelo de minería de datos. El modelo de minería de datos podría perder datos o quedar inutilizable. Solo puede haber una conexión activa de cada vez.

Conexiones en los Complementos de Excel El grupo Conexiones del Cliente de minería de datos para Excel y las Herramientas de análisis de tabla para Excel es donde se administran las conexiones a una instancia de SQL Server Analysis Services.

Crear una nueva conexión al servidor en los complementos de Excel 1. Haga clic en el botón Conexión en la cinta de opciones Analizar o Minería de datos. Observe la siguiente Pantalla:

2. En el cuadro de diálogo Conexiones de Analysis Services, haga clic en Nueva. 3. En el cuadro de diálogo Nueva conexión de Analysis Services, escriba el nombre del servidor. 4. Especifique el método de autenticación. 5. Seleccione una base de datos de la lista desplegable Nombre del catálogo. Si no existe ninguna base de datos en la instancia, seleccione (predeterminado). 6. Escriba un nombre descriptivo para la conexión. Observe la siguiente pantalla:

Ing. Dante García

Página 60


7. Haga clic en Probar conexión para comprobar si el servidor y la base de datos están disponibles. Observe la siguiente pantalla:

8. Haga clic en Aceptar y, a continuación, en Cerrar. 9. En la ficha Minería de Datos debe aparecer la conexión establecida en el grupo de Conexión. Observe la siguiente pantalla:

Explorar datos (Complementos de minería de datos de SQL Server) 1. La Ayuda del asistente para Explorar datos le ayuda a conocer el tipo y cantidad de datos de la tabla de datos. El asistente representa de forma gráfica la distribución y los valores para las columnas seleccionadas, por columnas. Después, puede probar a cambiar la forma en que se agrupan los datos o copiar el gráfico que muestra el contenido en un libro de Excel para revisarlo. 2. Si los datos contienen datos numéricos continuos, puede alternar entre estas dos vistas: Ing. Dante García

Página 61

Laboratorio de Mineria de Datos con SQL Server.pdf

Recommend Documents