1. Inteligencia de negocios

2. Objetivos:
▫ Buscar información teórica de lo que abarca, describe y caracteriza a
una Minería de datos secuenciales
▫ Ampliar nuestros conocimientos, mediante el entendimiento de toda
esta información encontrada acerca de nuestro tema
▫ A partir de la presente investigación poder entender los pro y contra
que nos ofrece este tipo de minería de datos
▫ Tener claro todos los conceptos teóricos básicos para poder entender las
aplicaciones de los patrones secuenciales.

3. Resumen:
• En este trabajo se presenta una breve introducción de lo que es la minería
de datos en forma general, y luego enfocándonos a la minería de datos
secuenciales. La finalidad es tener un conocimiento claro de los conceptos
que abarca este tipo de técnica de minería de datos como es la de patrones
secuenciales, mismos que utilizaremos en las siguientes fases de nuestro
proyecto.
• Iniciamos la presente fase, con una descripción de lo que es minería de
datos, tipos y técnicas, luego nos enfocamos en minería de datos
secuenciales, concepto, características, problemas que nos permite
resolver, así como las ventajas y desventajas que nos ofrece.

4. Introducción:
• La minería de datos puede definirse como la extracción no trivial de
información implícita, previamente desconocida y
potencialmente útil a partir de los datos, es decir es el
“descubrimiento eficiente de información valiosa, no-obvia de una gran
colección de datos”. Se la considera como una técnica de descubrimiento de
conocimiento que, a su vez, hace uso de diferentes tecnologías para
conseguirlo como: agrupamiento automático, predicción, clasificación,
asociación de atributos, detección de patrones secuenciales, etc.

5. Introducción:
▫ En el siguiente gráfico podemos observar la clasificación de
Minería de Datos (DM) en dos grupos: tareas descriptivas y
predictivas, nosotros nos enfocamos en las descriptivas
específicamente en el grupo de Asociación (color verde en el
grafico), y dentro de este en Patrones secuenciales

6. Introducción:
▫ Las tareas o métodos descriptivos o también llamados no
supervisados son utilizados cuando una aplicación no es lo
suficientemente madura y no tiene el potencial necesario para una
solución predictiva, descubriendo patrones y tendencias en los
datos actuales (no utilizan datos históricos), que permitan explorar
las propiedades de los datos examinados, no para predecir nuevos
datos, sino para llevar acciones y obtener beneficio (científico o de
negocio) de ellas
▫ El descubrimiento de patrones secuenciales es muy utilizado en
la industria ventas al por menor, y también en el dominio de la
medicina. El resultado de esta técnica se presenta como una lista de
transacciones.
▫ Los algoritmos de patrones secuenciales son muy útiles a la hora de
descubrir la tendencia de los datos como: El número de revistas
deportivas vendidas a clientes con N° de crédito

7. Desarrollo:
• Definición de Minería de Datos secuenciales.-
▫ Es la extracción de patrones frecuentes relacionados con el tiempo u
otro tipo de secuencia
▫ Es una clase especial de dependencia en las que el orden de
acontecimientos es considerado. En un análisis de cesta de compras, las
asociaciones describen dependencias entre artículos en un tiempo dado.
El patrón secuencial describe el modelo que hace compras de un cliente
particular o un grupo de clientes relacionando las distintas
transacciones efectuadas por el o ellos a lo largo del tiempo.
▫ Son eventos que se enlazan con el paso del tiempo, por ejemplo si se
compra una casa, 65% de las veces se comprará un refrigerador dentro
de las siguientes dos semanas.

8. Patrones Secuenciales:
• Se trata de buscar asociaciones de la forma: "si sucede el evento X en el
instante de tiempo t entonces sucederá el evento Y en el instante t+n“.
• El objetivo de la tarea es poder describir de forma concisa relaciones
temporales que existen entre los valores de los atributos del conjunto de
ejemplos.
• Utiliza reglas de asociación secuenciales.- reglas que expresan patrones de
comportamiento secuencial, es decir, que se dan en instantes distintos en el
tiempo.

9. Características:
▫ El orden importa
▫ Objetivo: encontrar patrones en secuencia
▫ Una secuencia es una lista ordenada de itemsets, donde cada
itemset es un elemento de la secuencia
▫ El tamaño de una secuencia es su cantidad de elementos
(itemsets)
▫ La longitud de una secuencia es su cantidad de items
▫ El soporte de una secuencia es el porcentaje de secuencias que la
contienen en un conjunto de secuencias S
▫ Las secuencias frecuentes (o patrones secuenciales) son las
subsecuencias de una secuencia que tienen un soporte mínimo

10. Tipos de valores que usa:
▫ El número de revistas deportivas vendidas a clientes en un
supermercado
▫ Transacciones comerciales
▫ Recorrido de un cliente por las secciones de un supermercado
▫ Marketing focalizado
▫ Ventas de artículos
▫ propensión de uso de productos
▫ segmentación por comportamiento de compra
▫ propensión a la compra
▫ Registros sobre accesos a páginas web
▫ Orden de compra de productos
▫ Rutas de ubicación de archivos
▫ Adn, proteínas
▫ Registros transaccionales: transacciones comerciales, operaciones
realizadas con una tarjeta de crédito
▫ Relacionales: ej: detectar patrones de un tipo, estructura de servicios
que ofrece un banco, o en un supermercado

11. Entornos:
▫ Entorno en los que se desarrolla:
 Áreas:
 Medicina
 Biología, bioingeniería
 Web
 Análisis de mercado, distribución y en el comercio
 Aplicaciones financieras y banca
 Aplicaciones de seguro y salud privada
 Deportes
 Tipo de base de datos:
 Base de datos temporales
 Base de datos documentales
 Base de datos relacionales

12. Entornos:
Entorno en los que no se desarrolla:
▫ Áreas:
 En entornos predictivos
 En entornos de naturaleza variable. La variabilidad viene determinada
por la inexistencia de un orden predeterminado de aparición de los
hechos o eventos.
 La recuperación de la información.- una tarea típica en encontrar
documentos a partir de palabras claves
 Política: diseño de campañas políticas, estudio de tendencias políticas
 Policiales: identificación de posibles terroristas en un aeropuerto
 Procesos industriales: detección de piezas con trabas. Modelos de calidad
▫ Tipo de base de datos:
 Base de datos espaciales
 Base de datos multimedia

13. Tipos de problemas que ayuda a solucionar:
• Algunas de las técnicas de minería de datos existentes para datos
secuenciales son: clasificación con datos secuenciales,
agrupamiento de patrones secuenciales y reglas de asociación
con datos secuenciales
• Algunos problemas que se resuelven con estas técnicas de la minería de
datos secuenciales son:
▫ Clasificación con datos secuenciales
▫ Agrupamiento de patrones secuenciales
▫ Reglas de asociación con datos secuenciales

14. Clasificación con datos secuenciales:
• Donde datos contiguos presentan algún tipo de relación
• Aplicaciones:
▫ Reconocimiento de caracteres escritos.-
 El reconocimiento de caracteres tiene como objeto la asociación de un
caracter a la identidad correspondiente de entre un conjunto de
símbolos que componen el alfabeto considerado. Dicho mecanismo se
puede dar en varias situaciones, desde reconocimiento de letras o
números aislados hasta análisis o comprensión de documentos, donde
el procedimiento estudiado no es más que una pequeña pieza de un
rompezabezas.
 Ayuda a: automatizar la lectura de direcciones postales, cheques
bancarios, formularios de impuestos, formularios de censo y lectores
de texto para discapacitados, entre otros.
▫ Reconocimiento de correo spam de un correo electrónico

15. Agrupamiento de patrones secuenciales:
• Se define como la tarea de separar en grupos a los datos, de
manera que los miembros de un mismo grupo sean muy similares
entre sí, y al mismo tiempo sean diferentes a los objetivos de otros
grupos.
• Aplicaciones:
▫ En este caso se busca los grupos de secuencias con alta conexión
 Agrupar secuencias transaccionales comerciales puede ayudar a
identificar diferentes grupos de clientes de acuerdo a sus compras
 Biología, bioingeniería:
 Encontrar grupos con secuencias de proteínas similares puede ayudar a
identificar secuencias de idéntica funcionalidad
 Análisis de secuencias de genes
 Predecir si un compuesto químico causa cáncer
 Clasificación de cuerpos celestes

16. Agrupamiento de patrones secuenciales
• Encontrar agrupamientos de
tal forma que los objetos de
un grupo sean similares
entre sí y diferentes de los
objetos de otros grupos

17. • 1. Los patrones se procesan por lotes de longitud M
• 2. Durante el procesamiento de un lote los patrones se asignan al
agrupamiento más cercano y se recalcula el centro.
• 3. Finalizado un lote se evalúa la partición con el objetivo de reducir
el número de agrupamientos:
▫ a) Se mezclan parejas de agrupamientos que no disten más de unumbral
C
▫ b) Se eliminan los que tengan pocos patrones
▫ c) Si no son aplicables ninguna de las anteriores, se aplica una mezcla
forzosa hasta conseguir K agrupamientos

19. Se procesan los primeros 15 patrones únicamente

20. • Ventajas:
• Flexibilidad: Su comportamiento puede ajustarse gracias a su
amplio conjunto de parámetros.
• Eficiencia: Cálculos muy sencillos, basta con recorrer una vez el
conjunto de datos.
• Desventajas:
• Utilización: Los valores adecuados para los parámetros son
difíciles de establecer a priori, por lo que se suele emplear un
proceso de prueba y error.
• Sesgado por los primeros patrones: Los resultados
obtenidos dependen del orden de presentación de los patrones.
Características principales

21. Funcionamiento
 El parámetro K se considera un valor máximo (puede devolver
un número de agrupamientos menor).
 Partiendo de un único agrupamiento, se van creando nuevos
agrupamientos conforme se procesan nuevos patrones
secuencialmente (algoritmo incremental).
 Los patrones se procesan secuencialmente por lotes. Al final
de cada lote, se evalúan los agrupamientos obtenidos y se
reduce su número.

22. Creación de agrupamientos
 Se selecciona arbitrariamente el centro del primer agrupamiento.
 Posteriormente, se procesan secuencialmente los demás patrones:
 Se calcula la distancia del patrón actual al agrupamiento más
cercano (a su centroide).
 Si ésta es menor o igual a R se asigna el patrón a su
agrupamiento más cercano.
 En caso contrario, se crea un nuevo agrupamiento con el patrón
actual.

23. Mezcla de agrupamientos
Cada M patrones, se mezclan agrupamientos:
1. Mezcla por cercanía (se mezclan dos agrupamientos si la distancia entre
ellos es menor que C).
2. Mezcla por tamaño: Si, tras la mezcla por cercanía, quedan más
agrupamientos que los deseados por el usuario (K), se mezclan los
agrupamientos de menos del T% de M miembros con sus clusters más
cercanos.
3. Mezcla forzada: Si aún quedan demasiados agrupamientos, se mezclan
los agrupamientos más cercanos hasta obtener el número deseado K.
El proceso de mezcla nos asegura que al final obtenemos el número deseado de
agrupamientos y no más (como suele suceder en el método adaptativo o en el
algoritmo de Batchelor y Wilkins).

24. Parámetros
K: Número deseado de agrupamientos.
R: Umbral de distancia para crear agrupamientos.
C: Umbral de distancia para mezclar agrupamientos.
M: Longitud del “lote” (patrones procesados entre procesos de mezcla)
T : Umbral para la eliminación de agrupamientos (% sobre M)

25. Reglas de asociación con datos secuenciales:
• Expresan patrones de comportamiento secuenciales, es decir que se dan en instantes
distintos (pero cercanos) en el tiempo.
• Aplicaciones:
▫ Si se compra una casa, 65% de las veces se comprará un refrigerador dentro de
las siguientes dos semanas. (distribución y marketing)
▫ Si un cliente compra un reproductor de DVD, es probable que el mes siguiente
compre varias películas en formato DVD.(distribución y marketing)
▫ Dentro de la minería Web:
 El 40% de las personas que consultan la página web de información sobre la cartelera,
visitan en menos de dos días la página web de compras de entradas de cine.(análisis de
navegación sobre páginas web)

26. Aplicaciones:
• Dentro de la minería Web: (Ejemplo Web)
• Personalización del servicio a nuevos usuarios (mediante ofertas
cruzadas de productos, enlaces dinámicos a otras áreas del servidor que
puedan ser de su interés, etc.).
• Establecimiento de nuevas tarifas de publicidad en nuestro
servidor (las páginas más visitadas por determinado tipo de
clientes pueden tener un precio particularizado).
• Reorganización de la estructura de nuestras páginas en el
servidor.
• Telecomunicaciones:
•Establecimiento de patrones de llamadas
• Otra áreas:
•Correo electrónico y agendas personales, gestión de avisos
•Detección de fraude en el comercio electrónico

27. Métodos Representativos
• AprioriAll
• AprioriSome
• DynamicSome (DynamicS)

28. AprioriAll
• Tiene como objetivo hallar las secuencias de conjuntos de items que
cumplan una mínima cobertura.
• Se divide en 5 fases:
▫ Fase de ordenamiento
▫ Fase de fijación de límites para conjuntos: Se determinan grandes
conjuntos de productos y se fijan sus límites.
▫ Fase de transformación: Se determina cuales de los conjuntos de secuencias,
están contenidos en una secuencia de cliente.
▫ Fase de secuencias: Se encuentran las secuencias deseadas; se repite proceso.
En cada pasada se analizan los conjuntos determinados.
▫ Fase de determinación de Máximos.

29. Ventajas:
• Para llegar a estos niveles de análisis la minería de datos utiliza a gran escala la
ciencia estadística para describir los patrones de compra, agrupar clientes, formar
segmentos, clasificar nuevos clientes, etc; lo que nos permite tener un mayor
grado de certeza de que nuestro estudio y además a poder tomar
mejores decisiones.
• Como uno de los primeros pasos a la hora de diseñar un algoritmo de
agrupamiento de secuencias es establecer una media de similitud entre secuencias,
esto permite que haya una mayor aproximación en el alineamiento
óptimo entre dos secuencias para poder compararlas
• La utilización de patrones de secuencia, permite ahorrar grandes cantidades
de tiempo en la construcción del conocimiento.

30. Desventajas:
• El problema de descubrir patrones secuenciales se centra en localizar la
presencia de un conjunto de elementos seguida por otro elemento en un
conjunto de transacciones o visitas ordenadas en el tiempo, esto causa un
poco de lentitud en la aplicación de esta técnica.
• Problema de eficiencia, ya que la estimación de la similitud entre
secuencias es más costosa que medir la similitud entre datos. Este
problema restringe en la práctica la utilización de estos métodos de
agrupamiento sólo a problemas de tamaño limitado

31. Aplicación de un método para obtener
patrones secuenciales:
▫ Explicación teórica del ejemplo
▫ Explicación de la herramienta (WEKA, Algoritmo AprioriAll)
▫ Explicación de los resultados

32. Preparación de Datosarchivo con las clases, atributos, valores,
datos y las relaciones

33. Relaciones

34. Resultados

35. Las relaciones-patrones que se encontró en nuestro ejemplo son las
siguientes:
• La tripulación era de edad adulta y en la mayoría de sexo masculino. Lo
que nos indica que no había mucho espacio para las mujeres en cuanto a
preparación para este tipo de actividades.
• De las personas que no sobrevivieron la mayoría era de dad adulta y del
sexo masculino, lo que nos dice que eran más los hombres los que tenían
acceso a este tipo de transporte.
• Algo relevante que podemos decir es que el numero de niños que habían en
el barco era muy bajo al igual que el de mujeres.
• El número de sobrevivientes es menor al de los que murieron, por lo que
vemos las medidas de contingencia no pudieron hacer nada frente al
accidente.
Conclusiones basándonos en el ejemplo

36. A qué nos ayudan estas conclusiones?
• En el campo del marketing, enfocar al sector masculino las
propagandas relacionadas a viajes en barco.
• De educación, ofrecer carreras que tengan que ver con la
navegación.
• Realizar planes para poder actuar en caso de accidentes.
• Dar una mayor preparación a la tripulación en cuanto a
accidentes se refiere.

37. • El análisis sobre la toma de decisiones apoyados en la descripción
de hechos debe ser en mayor magnitud, es decir tratar casos
general y no tan solo uno en particular.
• La panorámica sería muy pobre en términos reales a nivel de una
población y demasiado exagerada en términos de que es
particular.
A qué nos ayudan estas conclusiones?

38. Conclusiones Finales del Tema
• Minería de datos secuenciales, es un tema que actualmente se esta
dando, es usado más dentro de la Minera Web (Web Mining)
• Técnicas como el agrupamiento automático de clientes, la
clasificación de los usuarios y la personalización de servicios,
permiten tomar una posición en este mercado que nos diferencie de
nuestros competidores.
• Dependiendo de los objetivos buscados se puede emplear el método
dentro de la minería de datos secuenciales.