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

Info iconThis 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 envertv@gmail.com Universidad Nacional Agraria La Molina Dpto. de Estadística e Informática
Background image of page 1

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

View Full DocumentRight 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).
Background 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
Background image of page 3

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

View Full DocumentRight 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
Background 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.
Background image of page 5

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

View Full DocumentRight 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.
Background image of page 6
Image of page 7
This is the end of the preview. Sign up to access the rest of the document.

This note was uploaded on 05/12/2010 for the course APPLIED ST 2010 taught by Professor Various during the Spring '10 term at Universidad Nacional Agraria La Molina.

Page1 / 24

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

This preview shows document pages 1 - 7. Sign up to view the full document.

View Full Document Right Arrow Icon
Ask a homework question - tutors are online