Minerٕía de datos distribuida usando clustering k-means en la predictibilidad del proceso petitorio en una organización pública

• Autores: Mamani Rodríguez, Zoraida, Del Pino Rodríguez, Luz, Cortez Vasquez, Augusto
• Formato: artículo
• Fecha de Publicación: 2017
• Institución: Universidad Nacional Mayor de San Marcos
• Repositorio: Revista UNMSM - Industrial Data
• Lenguaje: español
• OAI Identifier: oai:ojs.csi.unmsm:article/13949
• Enlace del recurso: https://revistasinvestigacion.unmsm.edu.pe/index.php/idata/article/view/13949
• Nivel de acceso: acceso abierto
• Materia: Distributed Data Mining; Clustering Algorithm; K-means; Petition; Minería de Datos Distribuida; Algoritmo Clustering; petitorio

La minería de datos distribuida está contemplada en el campo de la investigación e implica la aplicación del proceso de extracción de conocimiento sobre grandes volúmenes de información almacenados en bases de datos distribuidas. Las organizaciones modernas requieren de herramientas que realicen tareas de predicción, pronósticos, clasificación entre otros y en línea, sobre sus bases de datos que se ubican en diferentes nodos interconectados a través de internet, de manera que les permita mejorar la calidad de sus servicios. El Clustering es una de las principales tecnicas de modelado de la mineria de datos la cual consiste en dividir la información en grupos diferentes, internamente los miembros de cada grupo son muy similares unos de otros y disimiles respecto a los miembos de los otros grupos. Los grupos o clusters resultantes permiten predecir patrones de comportamiento que pueden aportar en la toma de decisiones de las organizaciones. Es en este contexto que el presente trabajo elabora una propuesta de un prototipo de aplicación de minería de datos distribuida basado en la técnica k-means en la predictibilidad del proceso petitorio de una organizacion pública.