Detección de valores atípicos mediante un nuevo enfoque híbrido en un conjunto de datos mixtos

La minería de datos es un proceso de extracción de información oculta y útil de los datos. La detección de valores atípicos es una parte fundamental de la minería de datos y ha recibido una gran atención por parte de la comunidad investigadora recientemente. Un valor atípico es un objeto de datos que se desvía de otras observaciones. La detección de valores atípicos tiene importantes aplicaciones en la limpieza de datos, así como en la extracción de puntos anómalos para la detección de fraudes, el análisis bursátil, la detección de intrusiones, el marketing y los sensores de red. La mayoría de los esfuerzos de investigación existentes se centran en conjuntos de datos numéricos que no son directamente aplicables en conjuntos de datos categóricos en los que tiene poco sentido ordenar los datos y calcular las distancias entre los puntos de datos. Además, varios de los métodos actuales de detección de valores atípicos requieren un tiempo cuadrático con respecto al tamaño del conjunto de datos y suelen necesitar múltiples escaneos de los datos; estas características son indeseables cuando los conjuntos de datos son grandes. Esta tesis enfoca y evalúa, experimentalmente, un enfoque de detección de valores atípicos orientado a conjuntos categóricos. Además, se trata de un algoritmo de detección de valores atípicos sencillo, escalable y eficiente que tiene la ventaja de descubrir valores atípicos en conjuntos de datos categóricos o numéricos por