70 Ciencia y Tecnología al servicio del pueblo
Diego Geovanny Falconí Punguil et al.
11(2): 70-82 mayo-agosto 2024
Aplicación de minería de datos en la empresa Innovate
Consulting para predecir valores de ventas
Application of data mining in the company Innovate
Consulting to predict sales values
Diego Geovanny Falconí Punguil1; Yomara Elizabeth Tello Oña2; Martha Patricia Calvopiña Oña3
1Universidad Técnica de Cotopaxi, Ecuador
2Fenix Corp, Latacunga, Ecuador
3Centro de Salud “A” IESS Amaguaña, Ecuador
Resumen
El presente artículo presenta un estudio sobre la aplicación de minería de datos en Innovate
Consulting para predecir valores de ventas. El objetivo fue comparar la capacidad predictiva de
tres modelos principales: Random Forest, Deep Learning y Naive Bayes. Para ello, se implementó
un método que incluyó el procesamiento de datos históricos de ventas, la configuración y
entrenamiento de los modelos de Machine Learning, y la evaluación de su precisión mediante una
matriz comparativa. Los resultados destacaron que Random Forest mostró la mayor precisión,
seguido por Deep Learning y Naive Bayes. Estos hallazgos subrayan la importancia de seleccionar
el modelo adecuado según las características específicas del conjunto de datos, proporcionando
una base sólida para mejorar la planificación estratégica y la toma de decisiones.
Palabras clave: Random Forest, Deep Learning, Naive Bayes, Minería de Datos
Recibido: 20 de mayo de 2024 – revisión aceptada: 29 de julio de 2024
1
Correspondiente al autor: diego.falconi4@utc.edu.ec
71 Ciencia y Tecnología al servicio del pueblo
ARTÍCULO CIENTÍFICO · Aplicación de minería de datos en la empresa
Innovate Consulting para predecir valores de ventas
11(2): 71-82. mayo-agosto 2024
Abstract
is article presents a study on the application of data mining at Innovate Consulting to predict
sales values. e objective was to compare the predictive capability of three main models:
Random Forest, Deep Learning, and Naive Bayes. To achieve this, a method was implemented
involving the processing of historical sales data, configuration and training of machine learning
models, and evaluation of their accuracy using a comparative matrix. Results highlighted
that Random Forest exhibited the highest precision, followed by Deep Learning and Naive
Bayes. ese findings underscore the importance of selecting the appropriate model based on
specific dataset characteristics, providing a robust foundation to enhance strategic planning
and data-driven decision-making.
Key words: Random Forest, Deep Learning, Naive Bayes, Data Mining
Introducción
La capacidad de predecir valores de ventas
es crucial para las empresas, ya que permite
una mejor planificación y toma de decisiones
estratégicas. En la era de la información,
la minería de datos se presenta como una
herramienta poderosa para analizar grandes
volúmenes de datos y extraer patrones útiles
para la predicción. Las técnicas de minería
de datos, como la regresión lineal, los árboles
de decisión y las redes neuronales, han
demostrado ser efectivas en la identificación de
tendencias y patrones en los datos históricos de
ventas (Han et al, 2012). La implementación
de estas técnicas permite a las empresas no solo
prever el comportamiento futuro del mercado,
sino también ajustar sus estrategias comerciales
de manera proactiva para maximizar sus
ingresos y minimizar riesgos.
Innovate Consulting, una empresa dedicada
a proporcionar soluciones innovadoras,
busca optimizar su proceso de predicción
de ventas mediante la aplicación de estas
técnicas avanzadas de minería de datos.
Este estudio se centra en la implementación
de diversos algoritmos de minería de datos
para analizar datos históricos de ventas de
Innovate Consulting, con el objetivo de
evaluar la precisión y eficacia de los modelos
desarrollados. La capacidad de predecir las
ventas con precisión es esencial para la gestión
de inventarios, la planificación de la producción
y la formulación de estrategias de marketing,
aspectos que son fundamentales para el éxito
empresarial en un entorno competitivo.
Diversas investigaciones han explorado la
aplicación de la minería de datos en la predicción
de ventas, destacando su potencial para mejorar
la toma de decisiones empresariales. Por
ejemplo, un estudio reciente demostró que el
uso de modelos predictivos basados en redes
neuronales puede mejorar significativamente
la precisión de las predicciones de ventas en
72 Ciencia y Tecnología al servicio del pueblo
Diego Geovanny Falconí Punguil et al.
11(2): 72-82 mayo-agosto 2024
comparación con los métodos tradicionales
(Chen et al, 2016). Además, las técnicas de
minería de datos no solo permiten predecir los
volúmenes de ventas, sino también identificar
factores influyentes y patrones subyacentes
en los datos de ventas. Otro estudio encontró
que los árboles de decisión y las técnicas de
agrupamiento pueden proporcionar insights
valiosos sobre el comportamiento de los clientes
y las tendencias de ventas (Murphy, 2016). Estos
hallazgos subrayan la importancia de aplicar un
enfoque sistemático y basado en datos para la
predicción de ventas.
Este artículo tiene como objetivo describir
la implementación de técnicas de minería
de datos en Innovate Consulting, evaluar
la precisión de los modelos predictivos
desarrollados y discutir las implicaciones de
los resultados para la estrategia comercial de
la empresa. A través de este estudio, se espera
contribuir al conocimiento existente sobre el
uso de la minería de datos para la predicción
de ventas y proporcionar recomendaciones
prácticas para las empresas que buscan mejorar
su proceso de toma de decisiones mediante el
análisis de datos. En particular, se analizarán
las metodologías empleadas, los desafíos
enfrentados durante la implementación
y las estrategias adoptadas para superar
estos desafíos, con el fin de ofrecer una guía
comprensiva para otras organizaciones
interesadas en aprovechar la minería de datos
para optimizar sus operaciones comerciales.
Minería de datos:
La minería de datos es un proceso
interdisciplinario que involucra técnicas de
estadística, aprendizaje automático y bases de
datos para extraer información útil y patrones
significativos a partir de grandes volúmenes de
datos (Han et al, 2012). Este campo ha ganado
prominencia debido a la creciente disponibilidad
de datos y la necesidad de convertir estos datos
en conocimientos accionables. Las técnicas
de minería de datos se utilizan en diversas
aplicaciones, como análisis de mercado,
detección de fraudes, y, especialmente, en la
predicción de ventas (Chen et al, 2016). Entre
los algoritmos más utilizados están:
A. Regresión Lineal
B. Árboles de Decisión
C. Redes Neuronales
D. Algoritmos de Agrupamiento
E. Algoritmos de Ensemble
Regresión Lineal:
La regresión lineal es una técnica estadística
que modela la relación entre una variable
dependiente y una o más variables
independientes. En el contexto de la
predicción de ventas, se utiliza para predecir
valores continuos basados en datos históricos.
Su simplicidad y facilidad de interpretación
la hacen una opción popular, aunque puede
no capturar relaciones no lineales complejas
presentes en los datos (Murphy, 2016).
Árboles de Decisión:
Los árboles de decisión segmentan los datos
en subgrupos homogéneos mediante una
serie de decisiones binarias basadas en los
valores de las variables predictoras. Esta
73 Ciencia y Tecnología al servicio del pueblo
ARTÍCULO CIENTÍFICO · Aplicación de minería de datos en la empresa
Innovate Consulting para predecir valores de ventas
11(2): 73-82. mayo-agosto 2024
técnica es especialmente útil para identificar
variables clave que influyen en las ventas y para
construir modelos fácilmente interpretables. Sin
embargo, pueden ser propensos al sobreajuste
si no se controlan adecuadamente (Goodfellow
et al, 2016). Los árboles de decisión se han
utilizado con éxito en la segmentación de
clientes y en la identificación de factores críticos
que afectan las ventas (James et al, 2021).
Redes Neuronales:
Inspiradas en el funcionamiento del cerebro
humano, las redes neuronales son capaces de
capturar relaciones no lineales y complejas en
los datos. Estas técnicas son particularmente
efectivas cuando los patrones en los datos
son difíciles de identificar mediante
métodos tradicionales. Las redes neuronales,
especialmente las de tipo profundo (deep
learning), han demostrado un rendimiento
superior en tareas de predicción debido a su
capacidad para aprender representaciones
jerárquicas de los datos (Rokach & Maimon,
2014). Las redes neuronales profundas
pueden manejar grandes volúmenes de
datos y detectar patrones sutiles que otras
técnicas podrían pasar por alto. Además, el
desarrollo de técnicas avanzadas como las redes
neuronales convolucionales (CNN) y las redes
neuronales recurrentes (RNN) ha ampliado las
aplicaciones de deep learning a campos como
la visión por computadora y el procesamiento
del lenguaje natural (LeCun et al, 2015).
Algoritmos de Agrupamiento:
Los algoritmos de agrupamiento, como el
k-means, se utilizan para identificar grupos
naturales dentro de los datos sin necesidad de
variables dependientes. Estos algoritmos son
útiles para segmentar mercados y entender
diferentes comportamientos de los clientes,
lo que puede informar estrategias de ventas
y marketing. La agrupación puede revelar
segmentos de clientes con características
similares que responden de manera similar a
ciertas estrategias de marketing o productos
(Jain, 2020).
Algoritmos de Ensemble:
Los métodos de ensemble, como Random
Forest y XGBoost, combinan múltiples
modelos para mejorar la precisión y robustez
de las predicciones. XGBoost, en particular, ha
demostrado ser extremadamente eficaz debido
a su capacidad para manejar grandes volúmenes
de datos y capturar relaciones complejas. Este
algoritmo utiliza un enfoque de boosting en
árboles de decisión, lo que mejora la precisión y
reduce el riesgo de sobreajuste (Raschka, 2017).
Deep Learning:
El deep learning es una subcategoría del
aprendizaje automático que utiliza redes
neuronales profundas para modelar y
entender patrones complejos en los datos.
Estas redes están compuestas por múltiples
capas de neuronas artificiales que permiten
el aprendizaje jerárquico de características a
diferentes niveles de abstracción (Al Jarrah,
2016). En el contexto de la predicción de
ventas, el deep learning ha demostrado ser
extremadamente eficaz debido a su capacidad
para manejar grandes volúmenes de datos y
aprender representaciones complejas que
capturan tendencias y patrones sutiles en los
datos históricos de ventas.
74 Ciencia y Tecnología al servicio del pueblo
Diego Geovanny Falconí Punguil et al.
11(2): 74-82 mayo-agosto 2024
Aplicaciones en la Predicción de Ventas:
La predicción de ventas es una aplicación crucial
de la minería de datos que ayuda a las empresas
a anticipar la demanda de sus productos
y servicios, optimizando así la gestión de
inventarios, la planificación de la producción y
las estrategias de marketing. Estudios recientes
han demostrado la efectividad de diversos
algoritmos de minería de datos en la mejora de
las predicciones de ventas.
Un estudio demostró que el uso de modelos
predictivos basados en redes neuronales puede
mejorar significativamente la precisión de las
predicciones de ventas en comparación con los
métodos tradicionales. Las redes neuronales
fueron capaces de capturar patrones complejos
en los datos históricos de ventas que otros
métodos no lograron identificar (Chen et al,
2016). Las redes neuronales profundas, en
particular, han revolucionado el campo de la
predicción de ventas debido a su capacidad para
manejar grandes volúmenes de datos y aprender
representaciones jerárquicas complejas. Estas
redes son especialmente útiles cuando los datos
de ventas incluyen múltiples características y
patrones no lineales que son difíciles de modelar
con técnicas tradicionales (Al Jarrah, 2016).
Otro estudio encontró que los árboles de
decisión y las técnicas de agrupamiento
pueden proporcionar insights valiosos sobre
el comportamiento de los clientes y las
tendencias de ventas. Los árboles de decisión,
en particular, permitieron a los investigadores
identificar variables clave que influyen en las
ventas, facilitando la interpretación y la toma
de decisiones estratégicas (Murphy, 2016).
Materiales y Métodos
La metodología empleada en este estudio se
estructura en varias etapas cruciales para aplicar
técnicas de minería de datos en la predicción
de valores de ventas en Innovate Consulting.
En primera instancia se lleva a cabo una
exhaustiva recopilación de datos históricos
de ventas de los clientes de la empresa,
así como datos económicos y de mercado
relevantes. Esta fase fue fundamental para
asegurar la disponibilidad de datos completos
y representativos que servirían de base para el
análisis predictivo (Arthur, 2019).
Posteriormente, se realizará un riguroso proceso
de preprocesamiento de datos, que incluye
la limpieza para eliminar valores atípicos y
datos faltantes, así como la normalización de
variables numéricas y la codificación de variables
categóricas. Estas acciones son esenciales para
garantizar la calidad y consistencia de los
datos utilizados en los modelos predictivos
desarrollados (Jain, 2020).
Para comprender mejor la estructura de
los datos y las relaciones entre las variables,
se llevará a cabo un análisis exploratorio
detallado. Mediante visualizaciones y
estadísticas descriptivas, se identifican
patrones significativos que guían la selección
y transformación de características relevantes
para la predicción de ventas (Murphy, 2016).
Las características más influyentes fueron
seleccionadas utilizando métodos estadísticos
y de aprendizaje automático, como el análisis
de importancia de características y técnicas de
reducción de dimensionalidad. Además, se
aplicaron transformaciones adicionales para
75 Ciencia y Tecnología al servicio del pueblo
ARTÍCULO CIENTÍFICO · Aplicación de minería de datos en la empresa
Innovate Consulting para predecir valores de ventas
11(2): 75-82. mayo-agosto 2024
mejorar la capacidad predictiva de los modelos
construidos (Raschka, 2017). Se exploraron
varios modelos de aprendizaje automático,
tales como regresión lineal, árboles de decisión
y redes neuronales, los cuales son ajustados
y validados utilizando técnicas de validación
cruzada. Esto permite seleccionar el modelo
más adecuado para predecir con precisión
los valores de ventas futuros en Innovate
Consulting (Arthur, 2019).
El modelo seleccionado se implementó en
un entorno de producción, integrando flujos
de trabajo automatizados para asegurar la
actualización continua de las predicciones de
ventas. Se establecieron también procedimientos
de monitoreo y retroalimentación para validar y
mejorar iterativamente la precisión del modelo
(Arthur, 2019).
Después de obtener y realizar la preparación de
los datos, seleccionamos la técnica de minería
de datos más apropiada para predecir las ventas
en la empresa Innovate Consulting. Para
llevar a cabo un correcto análisis se incluirá
las siguientes técnicas:
A. Árboles de decisión: que pueden
generar modelos predictivos a partir
de las variables de ventas, productos,
clientes, etc.
B. Deep Learning: capaces de aprender
relaciones complejas en los datos de
ventas y hacer predicciones precisas.
C. Naive Bayes: es un clasificador
probabilístico fundamentado en el
teorema de Bayes y algunas hipótesis
simplificadoras adicionales.
Bajo la misma línea, se consideró que es
importante experimentar y cotejar el desempeño
de los diferentes modelos para elegir aquel que
minimice el error de predicción. Posteriormente
de entrenar los diferentes modelos para estas
predicciones, es trascendental valorar su
desempeño y optar por el más apropiado, se
debe calcular métricas de error para permitir la
comparación de la precisión de las predicciones
con los valores de ventas reales.
Materiales Esenciales
Se usaron un conjunto de datos estructurado
y de alta calidad que contenía información
histórica sobre ventas, precios, promociones,
condiciones económicas, datos demográficos
de clientes y otras variables relevantes de la
empresa Innovate Consulting, extraída
directamente desde su base de datos de ventas.
Con dichos datos se realizará un análisis de
datos, desarrollando un algoritmo en Python
que pueda ser capaz de mostrar datos en base
a las métricas anteriormente mencionadas.
Además, se utilizó el software RapidMiner
para realizar el proceso de minería de datos
y entrenamiento de modelos en base a los
diferentes algoritmos para evaluar cual de es el
que mayor porcentaje de precisión se obtiene.
Método de Recolección de Datos
El dataset fue recopilado de los registros
históricos de Innovate Consulting y
almacenado en un archivo Excel. Los campos
del dataset incluyen:
A. N° (Número secuencial)
B. TipoSolicitud (Tipo de solicitud)
76 Ciencia y Tecnología al servicio del pueblo
Diego Geovanny Falconí Punguil et al.
11(2): 76-82 mayo-agosto 2024
C. Estado (Estado de la solicitud)
D. Contenedor (Identificación del
contenedor)
E. Validez (Validez de la solicitud)
F. ConRuc (Indicación de RUC),
G. Nombres (Nombres del solicitante)
H. Apellido1 (Primer apellido del
solicitante)
I. Apellido2 (Segundo apellido del
solicitante)
Preparación de Datos
La preparación de datos es crucial para garantizar
la calidad y la usabilidad del dataset. Los
siguientes pasos se realizaron en RapidMiner:
A. Carga de Datos: El archivo Excel
se cargó en RapidMiner utilizando el
operador "Read Excel".
B. Limpieza de Datos: Se eliminaron los
registros duplicados y se manejaron los
valores faltantes. Los campos no relevantes
para la predicción se eliminaron.
C. Transformación de Datos: Se
normalizaron los datos y se codificaron
las variables categóricas utilizando el
operador "Nominal to Numerical".
Selección y Entrenamiento del Modelo
Se prueban varios algoritmos de minería de
datos para identificar el modelo más adecuado.
Los algoritmos seleccionados incluyen:
A. Árboles de decisión
B. Deep Learning
C. Naive Bayes
Implementación y Monitoreo
El modelo seleccionado se implementará
para predecir los valores de ventas futuros. Se
establece un sistema de monitoreo continuo
para actualizar y refinar el modelo con nuevos
datos. RapidMiner proporciona herramientas
como "Apply Model" y "Performance
Monitoring" para facilitar esta etapa.
Resultados
Se ejecutó en un análisis en base al dataset
proporcionado por la empresa Innovate
Consulting el cual consta de 166 registros, en
la figura 1 se observan parte de los datos en
formato CSV:
Figura 1. Dataset Innovate Consulting
77 Ciencia y Tecnología al servicio del pueblo
ARTÍCULO CIENTÍFICO · Aplicación de minería de datos en la empresa
Innovate Consulting para predecir valores de ventas
11(2): 77-82. mayo-agosto 2024
Figura 2. Algoritmo de gráfico de personas con ruc y sin ruc
Figura 3. Gráfico de personas con Ruc y sin Ruc
Una vez recolectados los datos realizamos un
algoritmo en Python como se muestra en la
figura 2, para representar los datos recolectados
indicando si la persona natural tiene o no ruc
como se lo puede apreciar en la figura 3. En la
figura 3 se puede interpretar que en el dataset
tiene un total de 120 personas que no tienen
RUC y 46 que si tienen Ruc
78 Ciencia y Tecnología al servicio del pueblo
Diego Geovanny Falconí Punguil et al.
11(2): 78-82 mayo-agosto 2024
Posteriormente con el algoritmo de la figura 4
logramos representar un gráfico de barras de los
años que se contrató los servicios a la empresa
Innovate Consulting, en el mismo podemos
concluir que alrededor de 120 personas
naturales contratan el servicio para 1 año:
En la figura 5 y figura 6 se observa el diagrama
que se aplicó en la herramienta RapidMiner
para obtener la predicción de renovación de
servicios. La función “Read Csv” es se utiliza
para realizar la carga del dataset.csv que se va
analizar, la función “Set Role” se utiliza para
setear el parámetro del cual se va a realizar la
predicción, la función “Validation” es donde
se configura el modelo que se va aplicar en este
caso es “Random Forest”, las funciones “Apply
Model” y “Performance” se utiliza para aplicar
el modelo y ejecutarlo.
Figura 5. Diagrama RapidMiner
Figura 4. Gráfico años de servicio contratado.
79 Ciencia y Tecnología al servicio del pueblo
ARTÍCULO CIENTÍFICO · Aplicación de minería de datos en la empresa
Innovate Consulting para predecir valores de ventas
11(2): 79-82. mayo-agosto 2024
Figura 6. Aplicación de modelo Random Forest para obtener predicción
Figura 7. Precisión del Modelo Random Forest.
Figura 8. Predicción de renovación de servicios.
En la figura 7 se muestra que aplicando
Random Forest se obtiene una precisión del
76% del modelo, lo que es algo favorable ya
que se estima que la mayoría de clientes van
a volver a contratar servicios de la empresa
Innovate Consulting.
La figura 8 indica la predicción de renovación
de servicios en la empresa de estudio, acorde
al Modelo Random Forest aplicado.
80 Ciencia y Tecnología al servicio del pueblo
Diego Geovanny Falconí Punguil et al.
11(2): 80-82 mayo-agosto 2024
Se empleó la misma lógica usando el algoritmo
de Deep Learning para verificar el porcentaje de
precisión del mismo, en la figura 9 se muestra el
diagrama empleado en Rapid Miner y en la figura
10 se muestra que aplicando el algoritmo de Deep
Learning se obtiene una precisión del 68%:
Finalmente, se realizó un último análisis
usando el algoritmo de Naive Bayes para
verificar el porcentaje de precisión del mismo,
en la figura 9 se muestra el diagrama empleado
en Rapid Miner y en la figura 10 se muestra
que aplicando el algoritmo de Naive Bayes se
obtiene una precisión del 62%:
Figura 9. Aplicación de modelo Deep Learning para obtener predicción.
Figura 11. Aplicación de modelo Naive Bayes para obtener predicción.
Figura 12. Precisión del Modelo Naive Bayes.
Figura 10. Precisión del Modelo Deep Learning.
81 Ciencia y Tecnología al servicio del pueblo
ARTÍCULO CIENTÍFICO · Aplicación de minería de datos en la empresa
Innovate Consulting para predecir valores de ventas
11(2): 81-82. mayo-agosto 2024
Tabla 1. Resultados de precisión de los algoritmos
Luego de que se evaluaron los tres algoritmos
diferentes en términos de su precisión en
la predicción de valores de ventas para la
empresa Innovate Consulting. Los algoritmos
considerados fueron Random Forest, Deep
Learning y Naive Bayes. A continuación, se
presenta un análisis detallado de los resultados
obtenidos, como se muestra en la Tabla 1.
ALGORITMO
PRECISIÓN
Random Forest
76%
Deep Learning
68%
Naive Bayes
62%
El algoritmo Random Forest logró una
precisión del 76%. Este resultado indica
que el modelo basado en Random Forest es
capaz de predecir los valores de ventas con
una alta exactitud en comparación con los
otros algoritmos evaluados. La alta precisión
obtenida sugiere que este algoritmo es eficaz
para capturar las relaciones complejas y no
lineales en los datos de ventas, proporcionando
predicciones confiables.
El algoritmo de Deep Learning obtuvo una
precisión del 68%. Aunque este valor es
inferior al alcanzado por el Random Forest,
sigue siendo considerablemente alto y destaca
la capacidad de las redes neuronales profundas
para manejar grandes volúmenes de datos
y aprender representaciones complejas. Las
redes neuronales profundas son especialmente
efectivas cuando los datos contienen múltiples
características y patrones no lineales, lo que
sugiere que, con ajustes adicionales en la
arquitectura del modelo o el uso de técnicas de
optimización, la precisión de Deep Learning
podría mejorarse aún más. Además, las
capacidades de generalización de los modelos
de Deep Learning son una ventaja significativa
para la predicción de ventas a largo plazo.
El algoritmo Naive Bayes logró una
precisión del 62%, siendo el algoritmo
con el rendimiento más bajo entre los tres
evaluados. La menor precisión de Naive Bayes
en este caso sugiere que las relaciones entre
las variables predictoras en los datos de ventas
no son independientes, y, por lo tanto, este
algoritmo no es el más adecuado para este tipo
de predicciones.
Conclusiones
La evaluación de tres algoritmos diferentes para
la predicción de valores de ventas en Innovate
Consulting reveló variaciones significativas en
cuanto a su precisión. Según los resultados de
la tabla de precisiones obtenidas, se observa
que Random Forest lidera con una precisión
del 76%, seguido por Deep Learning con
un 68%, y Naive Bayes con un 62%. Estas
diferencias destacan la importancia de
seleccionar el algoritmo más adecuado según
82 Ciencia y Tecnología al servicio del pueblo
Diego Geovanny Falconí Punguil et al.
11(2): 82-82 mayo-agosto 2024
las características específicas de los datos y los
objetivos del análisis.
Random Forest mostró consistentemente la
precisión más alta entre los tres algoritmos
evaluados. Su capacidad para gestionar
conjuntos de datos complejos y capturar
relaciones no lineales lo posiciona como una
opción robusta para la predicción de ventas.
Por otro lado, aunque Deep Learning ofrece
una precisión respetable, su rendimiento
ligeramente inferior respecto a Random Forest
sugiere que podría requerir ajustes adicionales
en la configuración del modelo o una mayor
cantidad de datos para competir efectivamente
en términos de precisión. Por último, Naive
Bayes, aunque el menos preciso en este
contexto, sigue siendo una opción viable en
escenarios donde la simplicidad y la velocidad
de implementación son prioritarias sobre la
precisión absoluta. La baja precisión observada
puede atribuirse a la suposición simplificada
de independencia entre características, que
no siempre se cumple en conjuntos de datos
complejos como los de ventas.
Literatura citada
Al Jarrah, R. (2016). Efficient Machine
Learning for Big Data: A Review. Big
Data Research, 87-93.
Arthur, A. (2019). Data collection techniques
and quality: Essentials for data-driven
decision making. IEEE Transactions on
Data and Knowledge Engineering, 442-
455.
Chen, T., & Guestrin, C. (2016). XGBoost:
A Scalable Tree Boosting System. Special
Interest Group on Knowledge Discovery
and Data Mining (SIGKDD), 785-
794.
Goodfellow, I., Bengio, Y., & Courville, A.
(2016). Deep Learning. Cambridge.
Han, J., Kamber, M., & Pei, J. (2012). Data
Mining: Concepts and Techniques.
Waltham, 3.
Jain, A. (2020). Data clustering: 50 years
beyond k-means. Pattern Recognition
Letters, 651-666.
James, G., Witten, D., Hastie, T., &
Tibshirani, R. (2021). An Introduction
to Statistical Learning with Applications
in R. Springer.
LeCun, Y., Bengio, Y., & Hinton, G. (2015).
Deep learning. Nature, 436-444.
Murphy, K. (2016). Machine Learning: A
Probabilistic Perspective. Cambridge.
Raschka, S. (2017). Python Machine
Learning. Packt Publishing.
Rokach, L., & Maimon, O. (2014). Data
Mining with Decision Trees: eory
and Applications. Singapore: World
Scientific.
w
