Influencia del pre-procesamiento de datos dentro del desempeño de modelos de perfilamiento de clientes elaborados con herramientas de minería de datos

Esta investigación tiene por objeto comprender, asociar e identificar cuantitativamente el desempeño de los modelos de perfilamiento de clientes con las técnicas de pre-procesamiento de datos, así como especificar un conjunto de buenas prácticas de pre-procesamiento de datos relacionadas con la solución de problemas de perfilamiento de clientes con herramientas de minería de datos. El desarrollo de este trabajo se presenta en tres fases, a saber: 1. Construcción del caso de estudio, recolección de datos en donde se selecciona un conjunto de datos del Data Mining Cup [1]; 2. Generación de datos experimentales, en la cual se ejecuta el pre-procesamiento a través de tres métodos, Multicluster Feature Selection — MCFS —, Laplacian Score-LPSC-y Spectral Feature Selection — SPEC —, y agrupamiento empleando las técnicas K-medias, agrupamiento jerárquico y mapas autoorganizables; y 3. Comparación y análisis de resultados en donde se describen las mejores prácticas para el pre-procesamiento, producto de los experimentos efectuados.