Integración de los Algoritmos de Minería de Datos 1r, Prism e ID3 a Postgresql

Yadira Robles Aranda, Anthony R. Sotolongo

Abstract


In this research, data mining and decision tree techniques were analyzed as well as the induction of rules to integrate their many algorithms into the database managing system (DBMS), PostgreSQL, due to the defficiencies of the free use tools avaialable. A mechanism to optimize the performance of the implemented algorithms was proposed with the purpose of taking advantage of the PostgreSQL. By means of an experiment, it was proven that the time response and results obtained are improved when the algorithms are integrated into the managing system.

Keywords


Minería de datos; sistema gestor de bases de datos; PostgreSQL; árboles de decisión; reglas de inducción.

Full Text:

PDF (Español)

References


Chesñevar, C. I. (2009). datamining y aprendizaje automatizado. obtenido de http://cs.uns.edu.ar/~cic/dm2009/downloads/transparencias/05_dm%20(learning_rules).pdf

Haberstroh, R. (2008). Oracle ® data mining tutorial for Oracle Data Mining 11g Release 1, Oracle.

Heughes Escobar, V. (2007). Minería web de uso y perfiles de usuario: aplicaciones con lógica difusa. tesis de doctorado, Universidad de Granada.

Holte, R. C. (1993). Very simple classification rules perform well on most commonly used datasets, Machine Learning, 11, 63-91, Kluwer Academic Publishers, Boston

Maclennan, J., Tang, Z., & Crivat, B. (2009). Data mining with Microsoft SQL server 2008. Wiley Publishing, Inc., Indianapolis, Indiana.

Martínez Valenzuela, V. Et al. (octubre de 2007). Diseño experimental. Universidad Autonoma de Baja California, obtenido de http://www.slideshare.net/hayimemaishte/diseo-experimental

Molina López, J. M., & García Herrero, J. Técnicas de análisis de datos. Universidad Carlos III. Madrid. 4-5

Moreno, G. (octubre de 2007). Recuperado el enero de 2012, de http://gamoreno.wordpress.com/2007/10/03/tecnicas-mas-usadas-en-la-mineria-de-datos/

Omar Ruiz, S. B. , Bauz. Sergio, Jimenez, Maria (2009). Aplicación de minería de datos para detección de patrones en investigaciones biotecnológicas. ESPOL, Ecuador http://www.dspace.espol.edu.ec/handle/123456789/4719

PostgreSQL. (12 de septiembre de 2011), The PostgreSQL Global Development Group obtenido de http://www.postgresql.org/about/press/presskit91/es/

Rodríguez Suárez, Yuniet; Díaz Amador, Anolandy. (2011) Herramientas de minería de datos. Revista Cubana de Ciencias Informáticas, [S.l.], v. 3, n. 3-4, oct.. ISSN 2227-1899. Disponible en: http://rcci.uci.cu/index.php/rcci/article/view/78 .

Solarte Martínez, G. R. (2009). técnicas de clasificación y análisis de representación del conocimiento para problemas de diagnóstico. recuperado el diciembre de 2011, de http://www.utp.edu.co/php/revistas/scientiaettechnica/docsftp/222025177-182.pdf

Soto Jaramillo, C. M. (2009). Incorporación de técnicas multivariantes en un sistema gestor de bases de datos. Universidad Nacional de Colombia http://www.bdigital.unal.edu.co/895/1/71335481_2009.pdf

The PostgreSQL global development group. (2011). PostgreSQL 9.1.0 documentation.

U Fayyad, G. P.-S. (1996). data mining and knowledge discovery in databases: an overview, communications of acm. obtenido de http://dl.acm.org/citation.cfm?id=240464

V.Ramesh, P. P. (agosto de 2011). Performance analysis of data mining techniques for placement chance prediction. recuperado el diciembre de 2011, de http://www.ijser.org/researchpaper%5cperformance-analysis-of-data-mining-techniques-for-placement-chance-prediction.pdf

Vazquez Ortíz, Y., Mesa Reyes, Y., & Castillo Martínez, g. (2012). Comunidad técnica cubana de PostgreSQL: Arma para la migración del país a tecnologías de bases de datos de código. Uciencia.




DOI: http://dx.doi.org/10.4301/s1807-17752013000200012

Copyright (c)

Licensed under