Resumen

El artículo describe una propuesta de visualización exploratoria e interactiva para modelos de minería de datos generado con la técnica regla de asociación, aplicándole la técnica Self-Organizing Map (SOM) sobre cada componente o regla, junto a vistas proporcionadas por elementos gráficos implementados para complementar esta visualización. Esto busca establecer esquemas de visualización, que soporten la exploración visual del modelo en la etapa de ajuste del modelo de un proceso de minería de datos, y con esto responder preguntas genéricas de analistas de datos respecto del funcionamiento interno del modelo, y lograr apoyar en la comprensión del modelo generado. Este esquema de visualización propuesto se implementa por medio de un software experimental donde los analistas de datos disponen de diversos mecanismos de interacción que les permiten interactuar y explorar cada componente del modelo, con las vistas complementarias descritas con anterioridad. Finalmente, se analizan los resultados obtenidos desde un experimento controlado, llevado a cabo con un grupo de usuarios, y cuyo análisis preliminar de esta evaluación permite, por un lado, corroborar la utilidad del esquema de visualización propuesto sobre modelos de reglas de asociación, y su nivel de eficiencia en apoyar la comprensión del modelo generado.

INTRODUCCIÓN

En un proceso de Minería de Datos (MD), la utilidad del modelo depende principalmente de dos factores: la capacidad del modelo para descubrir patrones interesantes, y la facilidad con la cual la estructura del modelo puede ser entendida y ajustada por usuarios/analistas de datos. Así, junto con la capacidad predictiva y descriptiva de un modelo de MD, su estructura debe ser bien entendida e interpretada por los analistas de datos. Lo anterior, debido a que la clasificación o descripción de los datos sin una explicación del modelo inducido a partir de los datos, disminuye la credibilidad de los resultados del proceso de MD [1].

En este sentido, apropiadas visualizaciones aplicadas sobre modelos de MD pueden transformar los modelos en herramientas comprensibles que convierten datos en conocimiento. Así, visualizaciones pueden transformar los modelos inducidos en cajas transparentes, tal que usuarios y analistas de datos puedan fácilmente comprender el trabajo interno que realiza el modelo, esto es, como el modelo transforma datos en patrones [2-3].

Bajo este contexto, este trabajo propone un esquema de visualización exploratoria e interactiva para modelos generados con la técnica Reglas de Asociación (RA), combinándola con la técnica Self-Organizing Map (SOM) y aplicando visualizaciones sobre las distintas reglas o componentes del modelo. Esto busca responder preguntas genéricas de analistas de datos respecto al funcionamiento interno del modelo.

• Materias:Minería de datos Datos masivos
• Subjects:Data mining Big data
• Palabras claves:Minería de datos; Minería de datos visual; Visualización de modelos de minería de datos; Visualización de reglas de asociación
• Keywords:Data mining; Visual data mining; Data mining models visualization; Association rule visualization