PDF de programación - Sistemas Inteligentes de Gestión - Guión de Prácticas de Minería de Datos - Práctica 1 Herramientas de Minería de Datos

Sistemas Inteligentes de Gestión



Guión de Prácticas de Minería de Datos

Práctica 1

Herramientas de Minería de Datos



Introducción a KNIME



© Juan Carlos Cubero & Fernando Berzal



Sistemas Inteligentes de Gestión: KNIME 1





Introducción a KNIME
KoNstanz Information MinEr

http://www.knime.org/



KNIME es un entorno totalmente gratuito para el desarrollo y ejecución de técnicas de
minería de datos. KNIME fue desarrollado originalmente en el departamento de
bioinformática y minería de datos de la Universidad de Constanza, Alemania, bajo la
supervisión del profesor Michael Berthold. En la actualidad, la empresa KNIME.com
GmbH, radicada en Zúrich, Suiza, continúa su desarrollo, además de prestar servicios de
formación y consultoría.

KNIME está desarrollado sobre la plataforma Eclipse y programado, esencialmente, en
Java. Como otros entornos de este tipo, algunos de los cuales aparecen referenciados al
final de este documento, su uso se basa en el diseño de un flujo de ejecución que plasme
las distintas etapas de un proyecto de minería de datos.

Para ello, KNIME proporciona distintos nodos agrupados en fichas, como por ejemplo:



a) Entrada de datos [IO > Read].

b) Salida de datos [IO > Write].

c) Preprocesamiento [Data Manipulation], para filtrar,

discretizar, normalizar, filtrar, seleccionar variables…


d) Minería de datos [Mining], para construir modelos

(reglas de asociación, clustering, clasificación, MDS, PCA…).


e) Salida de resultados [Data Views] para mostrar

resultados en pantalla (ya sea de forma textual o gráfica).



Sistemas Inteligentes de Gestión: KNIME 2





Para crear un flujo de ejecución, las salidas de unos nodos se utilizan como entradas de
otros. Por ejemplo, un flujo básico podría ser de la forma:


Nodo de lectura de datos
→ Nodo de preprocesamiento
→ Nodo de modelado (por ejemplo, modelo de clasificación)
→ Nodo de salida de resultados.



Lea ahora la introducción a KNIME que se encuentra en la siguiente URL:



http://tech.knime.org/getting-started

De forma complementaria, también puede consultar la siguiente presentación de
KNIME en castellano:

http://www.exa.unicen.edu.ar/catedras/dmining/clases/PresentacionKNime.pdf



Sistemas Inteligentes de Gestión: KNIME 3





Instalación de KNIME


• Descargue la versión de KNIME adecuada para su sistema operativo

(Windows o Linux, 32 ó 64 bits): http://knime.org/download



• Si utiliza Windows, ejecute directamente el archivo ZIP autodescomprimible

que nos hayamos descargado del sitio oficial de KNIME (p.ej.
knime_2.3.1.win32.win32.x86.exe) o descomprima manualmente el
archivo en la carpeta en la que desee instalar el programa.


NOTA:

KNIME no requiere programa de instalación. El paquete se desinstala,
simplemente, borrando la carpeta en la que lo hayamos descomprimido.



Sistemas Inteligentes de Gestión: KNIME 4





• Para ejecutar KNIME, busque el fichero knime.exe en la carpeta en la que

haya descomprimido el paquete de instalación y ejecútelo:



• Antes de empezar a utilizar KNIME, nos aseguraremos de instalar los

componentes de Weka, utilizando la opción “Get additional nodes” de la
ventana de inicio de KNIME o accediendo a ellos a través del menú File >
Install ḴIME Extensions.



Información adicional en la guía de instalación paso a paso:

http://tech.knime.org/installation-0



Sistemas Inteligentes de Gestión: KNIME 5





Otras herramientas de minería de datos


Weka
Waikato Environment for Knowledge Analysis
http://www.cs.waikato.ac.nz/ml/weka/

Similar a KNIME en cierto modo, Weka incluye distintas interfaces de usuario:


• Knowledge Flow, para crear flujos de ejecución similares a los de KNIME,

aunque algo menos amigable en su versión actual.


• Explorer, para lanzar de forma separada la ejecución de distintas operaciones.



• Experimenter, para usuarios avanzados (ejecución sistemática de baterías de

experimentos sobre conjuntos de datos).


Comparación frente a KNIME:


Weka incorpora un mayor número de componentes.
La interfaz de KNIME es más amigable.
KNime permite usar los nodos de Weka.
KNIME también permite otras extensiones, como las ofrecidas por R



RapidMiner
(anteriormente conocido como YALE, Yet Another Learning Environment)
http://rapidminer.com/

Otra herramienta similar a KNIME cuya versión inicial, conocida como YALE, fue
desarrollada por el departamento de inteligencia artificial de la Universidad de
Dortmund en 2001. Actualmente se encarga de su desarrollo Rapid-I, con sede en
Nürnberg, Alemania, y se mantiene una versión open-source.


R
http://www.r-project.org/

R es un entorno estadístico tremendamente potente y completo, si bien no ofrece una
interfaz de usuario amigable. Las llamadas a R se realizan en línea de comando y sus
paquetes, por desgracia, no siempre se utilizan de la misma forma (al provenir de
desarrolladores diferentes, lo que dificulta la realización de muchas tareas). Fue
desarrollado inicialmente por Robert Gentleman y Ross Ihaka del Departamento de
Estadística de la Universidad de Auckland, Nueva Zelanda, en 1993.

R también es un lenguaje de programación, implementación del lenguaje S ideado por
John Chambers, Rick Becker y Allan Wilks de los Labotatorios Bell, del cual existe una
versión comercial llamada S-Plus, de TIBCO Software Inc. (Palo Alto, CA, USA).


Sistemas Inteligentes de Gestión: KNIME 6





SPSS Modeler
(anteriormente conocido como SPSS Clementine)
http://www.spss.com/software/modeler/

Derivado de software para Unix desarrollado para uso interno por una compañía
británica llamada ISL (Integral Solutions Limited), la cual fue adquirida en 1999 por
SPSS Inc..

SPSS Inc. es una empresa dedicada al desarrollo, distribución y venta del programa
SPSS desde 1975. SPSS, que proviene de Statistical Package for the Social Sciences,
fue creado en 1968 por Norman H. Nie, C. Hadlai (Tex) Hull y Dale H. Bent en la
Universidad de Stanford (California). Entre 1969 y 1975, su desarrollo estuvo a cargo
de la Universidad de Chicago (Illinois).

SPSS Modeler, bajo la denominación SPSS Clementine, fue la primera herramienta de
minería de datos en utilizar una interfaz gráfica de usuario (2000). Posteriormente, fue
rebautizado como PASW Modeler (2009), donde PASW hacía referencia a Predictive
Analytics Software.

Recientemente, SPSS fue adquirida por IBM.

Una licencia de este tipo de herramientas comerciales cuesta miles de dólares…



SAS Enterprise Miner TM
(Statistical Analysis System)
http://www.sas.com/

SAS Enterprise Miner es la herramienta de minería de datos comercializada por SAS
Institute, principal competidora de SPSS, y es sólo uno de los muchos componentes del
sistema integrado SAS.

El paquete original SAS constaba de numerosos módulos y se ejecutaba inicialmente
sobre mainframes de IBM.

SAS Institute tiene su sede central en Cary (Carolina del Norte, EE.UU.) y fue fundada
en 1976 por Anthony Barr, James Goodnight, John Sall y Jane Helwig. A día de hoy,
sigue siendo una compañía privada que frecuentemente se incluye en la lista de mejores
empresas en las que trabajar (#1 en 2010 según la revista Fortune).



Información adicional sobre herramientas software de minería de datos en KDnuggets:
http://www.kdnuggets.com/software/index.html

Sistemas Inteligentes de Gestión: KNIME 7