Búsqueda de patrones sobre grandes volúmenes de datos temporales

D. D. CARPINTERO; É. GULARTE; G. BAUME

Viedma

Congreso; 61a Reunión de la Asociación Argentina de Astronomía; 2020

Asociación Argentina de Astronomía

En la actualidad, en Astronomía se dispone de bases de datos estructuradas de gran volumen y con una elevada tasa de crecimiento. Dichos datos pueden ser espaciales, temporales, secuenciales o multimedia. En el presente trabajo se ha realizado un estudio comparativo de diferentes técnicas de minería de datos aplicadas al caso particular de datos con fuerte dependencia temporal y con la característica adicional de tener una alta dimensionalidad y una distribución irregular. Para realizar el reconocimiento de patrones en el conjunto de datos se utilizaron tanto técnicas supervisadas (árboles de decisión y reglas de clasificación) como no supervisadas (reglas de asociación y de agrupamiento). Nuestro análisis ha permitido determinar la calidad de dichas técnicas para describir y predecir el comportamiento de los datos. Esto es, su eficiencia en detectar anomalías (?outliers?), establecer tendencias y variaciones cíclicas o revelar movimientos estacionales y aleatorios. Se indican las ventajas y desventajas de cada uno de los algoritmos utilizados. Se presenta un ejemplo de aplicación para caracterizar la ionósfera terrestre usando datos a lo largo de un ciclo solar y provistos por sondadores ubicados en latitudes geográficas medias.