¿Cuál es el riesgo por implementar la minería de datos?

¿Por qué la minería de datos es mala para el medio ambiente?

La minería de datos es un elemento imprescindible para descubrir nuevas ideas en las organizaciones sanitarias, lo que supone un apoyo para todas las partes relacionadas con el campo de la medicina. En este artículo se analiza la eficacia de la técnica de minería de datos en el ámbito sanitario. El cáncer es una de las crisis más importantes hoy en día, el diagnóstico del cáncer en un período anterior sigue siendo un reto para los médicos. La detección de los aspectos hereditarios y ecológicos es muy esencial para desarrollar nuevos métodos para percibir y detener el cáncer. El cáncer de endometrio es una de las neoplasias ginecológicas femeninas más comunes y, naturalmente, es una enfermedad curable. Es el más extenso de todos los cánceres y la principal causa de mortalidad por cáncer en las mujeres de todo el mundo. Este trabajo también presenta un estudio de los factores de riesgo relacionados con el cáncer de endometrio mediante la minería de reglas de asociación. Aquí se aplicó el algoritmo Apriori para descubrir las asociaciones. Las mujeres que tienen mucho peso, hipertensión y más nivel de estrógenos tienen un mayor riesgo de padecer ciertos cánceres. El peso elevado, la hipertensión y un mayor nivel de estrógenos estaban drásticamente relacionados con un mayor riesgo de cáncer de endometrio.

Ejemplos de minería de datos que salen mal

En la ecuación (1), significa vector de pesos, y B es vector de desplazamiento. Si el conjunto de datos de entrenamiento del algoritmo SVM es no lineal en el plano y también puede ser segmentado, entonces su función de decisión se muestra en la Ecuación (2):

En la Ecuación (7), y significa seguimiento y juicio, y P se refiere al soporte de probabilidad para los resultados del juicio.2.4. El modelo FRM basado en la fusión de información [34-36] utiliza un algoritmo de fusión para fusionar diferentes fuentes de información. La teoría de la evidencia de Dempster-Shafer (DS) es un famoso método de fusión de información con una buena viabilidad. La teoría de la evidencia DS puede utilizarse para procesar datos de diferentes fuentes y, finalmente, transformarlos en resultados. El objetivo de la teoría de la evidencia DS es ganar confianza. Sobre la base de la probabilidad, el procesamiento de la fusión se lleva a cabo de acuerdo con reglas específicas, y la función de confianza es particularmente importante en este proceso. A partir de ahí, se construye el marco del modelo FRM basado en la fusión de información. Aquí, se puede asumir que U es un conjunto no vacío compuesto por múltiples elementos, que es el marco propuesto. A continuación, se establece la estructura de confianza, es decir, la función de asignación de probabilidad básica (BPA), que puede simplificarse a una función m. Esta distribución de probabilidad tiene las características de la Ec. (8) y la Ec. (9).

Por qué es buena la minería de datos

El análisis de datos a través de la minería de datos puede proporcionar innumerables ventajas a las empresas para la optimización de su gestión y tiempo. Sin embargo, también puede haber algunos inconvenientes cuando se utilizan técnicas de minería de datos.

El análisis es mucho más preciso con la minería de datos, ya que es posible clasificar toda la información de acuerdo con las prioridades que se han identificado previamente. Es capaz de analizar bases de datos con una gran cantidad de datos.

Con una gran cantidad de datos que se generan cada día, es bastante evidente que va a suponer muchos gastos asociados a su almacenamiento así como a su mantenimiento. Esta es una de las principales desventajas de la minería de datos.

Las empresas tienen mucha información crítica sobre sus clientes y empleados. Siempre hay un riesgo de ser hackeado, ya que una gran cantidad de datos valiosos se almacena en los sistemas de minería de datos.

Las herramientas de minería de datos analizan los datos sin conocer su significado. Presentan los resultados en forma de diversas visualizaciones. Sin embargo, estos patrones no son significativos por sí mismos, sino sólo después de que el usuario los haya evaluado.

¿Es ética la minería de datos?

La minería de datos es una poderosa herramienta que puede ayudar a las empresas de diversas maneras. Desde la reducción de costos, la optimización de los procesos para mejorar las ventas, la minería de datos es una herramienta que cambia el juego que cada empresa debe tener en su arsenal. No son pocos los beneficios que la minería de datos aporta a las organizaciones de todo el mundo.  Pero, ¿cuáles son los peligros?

Mientras que la minería de datos puede poner a cualquiera a la vanguardia de cada industria, puede ir rápidamente mal para las empresas que no lo hacen correctamente. Desde el proceso de recopilación hasta la implementación real, hay varios puntos de entrada para los peligros de la minería de datos. Analicemos cada uno de ellos.

Si bien la extracción de datos por sí misma no plantea problemas éticos, la filtración de datos y la desprotección de los mismos pueden causar problemas de privacidad. A lo largo de los años, ha habido innumerables campañas sobre datos robados que han causado un gran revuelo en diversas partes del mundo.

Se ha filtrado información muy personal, como fotos íntimas, puntuaciones de crédito o datos de acceso a cuentas bancarias, lo que ha causado angustia en la vida real de los usuarios. Las personas pueden perder su reputación, los ahorros de toda su vida y, tal vez, su tranquilidad en el proceso.