{[ promptMessage ]}

Bookmark it

{[ promptMessage ]}

04-Limpieza - Universidad Nacional Agraria La Molina Dpto...

Info icon This preview shows pages 1–7. Sign up to view the full content.

View Full Document Right Arrow Icon
Introducción a la Minería de Datos La Fase de Limpieza Enver G. Tarazona [email protected] Universidad Nacional Agraria La Molina Dpto. de Estadística e Informática
Image of page 1

Info icon This preview has intentionally blurred sections. Sign up to view the full version.

View Full Document Right Arrow Icon
2 La Fase de Limpieza Tareas de la Fase de Limpieza Estimar valores perdidos Identificar valores atípicos y suavizar datos ruidosos. Corregir inconsistencias en los datos Solucionar la redundancia causada por la integración. Se utilizan técnicas robustas para el tratamiento de datos atípicos y faltantes (v.gr. Árboles de decisión). La información puede ser filtrada a través de técnicas de imputación y transformación de datos continuos a discreto (discretización).
Image of page 2
3 Valores Atípicos (outliers) Un valor atípico es una puntuación extrema dentro de una variable. Observación aislada cuyo comportamiento se diferencia claramente del comportamiento medio del resto de las observaciones. Afectan fuertemente a los análisis, especialmente cuando la muestra es pequeña
Image of page 3

Info icon This preview has intentionally blurred sections. Sign up to view the full version.

View Full Document Right Arrow Icon
4 ¿Cómo manejar datos atípicos? Observaciones que provienen de un error de procedimiento (error de codificación, error de entrada de datos, etc.) Detección mediante filtros Eliminación o recodificación como datos ausentes. Observaciones sin explicación Se eliminan del análisis
Image of page 4
5 ¿Cómo manejar datos atípicos? Observaciones como consecuencia de un acontecimiento extraordinario conocido Retienen en la muestra Se eliminan si su significancia es solamente anecdótica Valores extremos (observaciones que se situan fuera del rango ordinario de la variable) Eliminar si no son elementos significativos para la población.
Image of page 5

Info icon This preview has intentionally blurred sections. Sign up to view the full version.

View Full Document Right Arrow Icon
6 Detección de valores atípicos Herramientas del análisis exploratorio de datos en el contexto univariante Gráfico de cajas y bigotes Diagramas de control Estadísticos robustos de la variable Mediana Media truncada: Prescinde del 15% de los valores de la variable por cada extremo. Media winsorizada: Sustituye el 15% de los valores por los valores del centro de la distribución. Variación media, desviación tipica truncada, desviación tipica winsorizada.
Image of page 6
Image of page 7
This is the end of the preview. Sign up to access the rest of the document.

{[ snackBarMessage ]}

What students are saying

  • Left Quote Icon

    As a current student on this bumpy collegiate pathway, I stumbled upon Course Hero, where I can find study resources for nearly all my courses, get online help from tutors 24/7, and even share my old projects, papers, and lecture notes with other students.

    Student Picture

    Kiran Temple University Fox School of Business ‘17, Course Hero Intern

  • Left Quote Icon

    I cannot even describe how much Course Hero helped me this summer. It’s truly become something I can always rely on and help me. In the end, I was not only able to survive summer classes, but I was able to thrive thanks to Course Hero.

    Student Picture

    Dana University of Pennsylvania ‘17, Course Hero Intern

  • Left Quote Icon

    The ability to access any university’s resources through Course Hero proved invaluable in my case. I was behind on Tulane coursework and actually used UCLA’s materials to help me move forward and get everything together on time.

    Student Picture

    Jill Tulane University ‘16, Course Hero Intern