SEGMENTACION DE MERCADOS con arboles de decision, discriminante y modelos logit Probit (Spanish Edition)

La clasificaciónde las técnicas de segmentación distingue entre técnicas predictivas, en las que las variables que intervienen en el proceso pueden clasificarse inicialmente en dependientes e independientes (similares a las técnicas del análisis de la dependencia o métodos explicativos del análisis multivariante) y técnicas descriptivas, en las que todas las variables tienen inicialmente el mismo estatus (similares a las técnicas del análisis de la interdependencia o métodos descriptivos del análisis multivariante). Las técnicas predictivas de segmentación especifican el modelo para los datos en base a un conocimiento teórico previo. El modelo supuesto para los datos debe contrastarse después del proceso de minería de datos antes de aceptarlo como válido. Formalmente, la aplicación de todo modelo debe superar las fases de identificación objetiva (a partir de los datos se aplican reglas que permitan identificar el mejor modelo posible que ajuste los datos), estimación (proceso de cálculo de los parámetros del modelo elegido para los datos en la fase de identificación), diagnosis (proceso de contraste de la validez del modelo estimado) y predicción (proceso de utilización del modelo identificado, estimado y validado para predecir valores futuros de las variables dependientes). En algunos casos, el modelo se obtiene como mezcla del conocimiento obtenido antes y después de la segmentación y también debe contrastarse antes de aceptarse como válido. Por ejemplo, las redes neuronales permiten descubrir modelos complejos y afinarlos a medida que progresa la exploración de los datos. Gracias a su capacidad de aprendizaje, permiten descubrir relaciones complejas entre variables sin ninguna intervención externa. Podemos incluir entre estas técnicas todas las técnicas de segmentación en las que subyace un modelo (modelos de elección discreta, análisis discriminante, árboles de decisión, redes neuronales, análisis conjunto, etc.) Estas técnicas también se denominan técnicas de clasificación ya que permiten extraer perfiles de comportamiento o clases, siendo el objetivo construir un modelo que permita clasificar cualquier nuevo dato en una de las clases. En este libro se tratan las técnicas predictivas más importantes para la segementación de mercados, entre las que se encuentran los árboles de decisión, el análisis discriminente y los modelos logit y probit En las técnicas descriptivas no se asigna ningún papel predeterminado a las variables. No se supone la existencia de variables dependientes ni independientes y tampoco se supone la existencia de un modelo previo para los datos. Los modelos se crean automáticamente partiendo del reconocimiento de patrones. En este grupo se incluyen las técnicas de clustering y las técnicas de reducción de la dimensión (escalamiento multidimensonal, correspondencias, etc.)