Qué es
La minería de datos es el proceso de descubrir patrones, relaciones y anomalías no evidentes dentro de grandes volúmenes de datos, combinando técnicas de estadística, bases de datos y machine learning. El término se popularizó en los años 90 dentro de un proceso más amplio llamado KDD (Knowledge Discovery in Databases), del cual la minería de datos es, formalmente, solo la etapa de aplicar algoritmos para extraer patrones.
Técnicas típicas
- Clasificación y regresión: predecir una categoría o un valor numérico a partir de otras variables.
- Clustering: agrupar registros similares sin categorías predefinidas.
- Reglas de asociación: encontrar relaciones del tipo “los clientes que compran X también compran Y” (la técnica detrás del análisis de canasta de mercado).
- Detección de anomalías: identificar registros que se apartan significativamente del patrón general, útil para detectar fraude o fallas.
Minería de datos vs. machine learning
Se superponen bastante: muchas técnicas de minería de datos SON algoritmos de machine learning. La diferencia está en el énfasis: la minería de datos pone el foco en descubrir patrones desconocidos dentro de datos ya existentes, mientras que el machine learning pone el foco en entrenar modelos que generalicen bien a datos nuevos, muchas veces con un objetivo predictivo definido de antemano.