Spss. Tecnicas de Clasificacion Y Segmentacion [Spanish]

By César Pérez

La clasificaci n inicial de las t cnicas de segmentaci n distingue entre t cnicas predictivas, en las que las variables que intervienen en el proceso pueden clasificarse inicialmente en dependientes e independientes (similares a las t cnicas del an lisis de la dependencia o m todos explicativos del an lisis multivariante) y t cnicas descriptivas, en las que todas las variables tienen inicialmente el mismo estatus (similares a las t cnicas del an lisis de la interdependencia o m todos descriptivos del an lisis multivariante). Las t cnicas predictivas de segmentaci n especifican el modelo para los datos en base a un conocimiento te rico previo. El modelo supuesto para los datos debe contrastarse despu s del proceso de miner a de datos antes de aceptarlo como v lido. Formalmente, la aplicaci n de todo modelo debe superar las fases de identificaci n objetiva (a partir de los datos se aplican reglas que permitan identificar el mejor modelo posible que ajuste los datos), estimaci n (proceso de c lculo de los par metros del modelo elegido para los datos en la fase de identificaci n), diagnosis (proceso de contraste de la validez del modelo estimado) y predicci n (proceso de utilizaci n del modelo identificado, estimado y validado para predecir valores futuros de las variables dependientes). En algunos casos, el modelo se obtiene como mezcla del conocimiento obtenido antes y despu s de la segmentaci n y tambi n debe contrastarse antes de aceptarse como v lido. Por ejemplo, las redes neuronales permiten descubrir modelos complejos y afinarlos a medida que progresa la exploraci n de los datos. Gracias a su capacidad de aprendizaje, permiten descubrir relaciones complejas entre variables sin ninguna intervenci n externa. Podemos incluir entre estas t cnicas todas las t cnicas de segmentaci n en las que subyace un modelo (modelos de elecci n discreta, an lisis discriminante, rboles de decisi n, redes neuronales, an lisis conjunto, etc.) Estas t cnicas tambi n se denominan t cnicas de clasificaci n ya que permiten extraer perfiles de comportamiento o clases, siendo el objetivo construir un modelo que permita clasificar cualquier nuevo dato en una de las clases. En las t cnicas descriptivas no se asigna ning n papel predeterminado a las variables. No se supone la existencia de variables dependientes ni independientes y tampoco se supone la existencia de un modelo previo para los datos. Los modelos se crean autom ticamente partiendo del reconocimiento de patrones. En este grupo se incluyen las t cnicas de clustering y las t cnicas de reducci n de la dimensi n (escalamiento multidimensonal, correspondencias, etc.) Tanto las t cnicas predictivas como las t cnicas descriptivas est n enfocadas al descubrimiento del conocimiento embebido en los datos. En este libro se exponen la mayor a de las t cnicas de clasificaci n y segmentaci n (modelos de elecci n discreta, rboles de decisi n, an lisis cluster, an lisis discriminante, an lisis de correspondencias, etc.), as como su tratamiento con el software SPSS. Se presentan ejercicios pr cticos resueltos con SPSS al final de cada cap tulo.

• Format: Paperback
• Language: Spanish
• ISBN: 1482304228
• ISBN13: 9781482304220
• Release Date: January 1
• Publisher: Createspace Independent Publishing Platform
• Length: 244 Pages
• Weight: 1.27 lbs.
• Dimensions: 0.5" x 8.5" x 11.0"