MINERÍA DE DATOS EN NEGOCIOS
T.1 Minería de datos y extracción de conocimiento
T.2 Metodología de la minería de datos
T.3 Clasificación.Clasificadores y predictores
T.4 Agrupación o clustering
T.5.Extracción de reglas de asociación
T.6. Reducción de la dimensión.   (incompleto)


Prácticas
Práctica0     Práctica1,tareas previas    Práctica1  Práctica2  Práctica3  Práctica4  Práctica5  
Bases de datos
discricochesR10.arff     discricochesR10.csv   discricochesR10.sav  logit.RData ( discricochesR10 procesado para logit en R )   creditscore.sav    creditscore.xlsx  salus.sav   salus.arff   salus2.arff  adult.csv   bankdata.csv  amValencia1.xlsx  amValencia1.csv   (comunidades autónomas) comaut.csv  comaut.sav    supermercado.arff    Empleados.arff  coches.sav
Scripts
logit.R   discriminanteDM.R  naivebayes.R credittree.R  neuralnet.R  kmeans.R   hclustAMV.R  somdiscricochesR10.R   (som.html)   faccoches.R  fac2.R   faccoches2a.html
  
Complementos
introducción a weka    wekapackages.docx   mahalanobis.xlsx    
creditscore balanceada y atributos nominales binarizados        creditscore con atributos nominales binarizados no balanceada   ejemplo de Comp.Principales en excel

Enlaces 

Descarga de WEKA : http://www.cs.waikato.ac.nz/ml/weka/    .
Bases de datos:Datasets for Data Mining, Data Science, and Machine Learning  UCI Machine Learning Repository
Cursos y tutoriales:
Tutorial de WEKA  Cursos de la Universidad de Waikato