Reglas de asociación

De Wikipedia, la enciclopedia libre

En minería de datos y aprendizaje automático, las reglas de asociación se utilizan para descubrir  hechos
que  ocurren  en  común  dentro  de  un  determinado  conjunto  de  datos.1  Se  han  investigado  ampliamente
diversos  métodos  para  aprendizaje  de  reglas  de  asociación  que  han  resultado  ser  muy  interesantes  para
descubrir relaciones entre variables en grandes conjuntos de datos.

Piatetsky­Shapiro2 describe el análisis y la presentación de reglas 'fuertes' descubiertas en bases de datos
utilizando diferentes medidas de interés. Basado en el concepto de regla fuerte, Agrawal et al.3 presentaron
un  trabajo  en  el  que  indicaban  las  reglas  de  asociación  que  descubrían  las  relaciones  entre  los  datos
recopilados  a  gran  escala  en  los  sistemas  de  terminales  de  punto  de  venta  de  unos  supermercados.  Por
ejemplo, la siguiente regla:

Encontrada en los datos de ventas de un supermercado, indicaría que un consumidor que compra cebollas y
verdura a la vez, es probable que compre también carne. Esta información se puede utilizar como base para
tomar decisiones sobre marketing como precios promocionales para ciertos productos o dónde ubicar éstos
dentro del supermercado. Además del ejemplo anterior aplicado al análisis de la cesta de la compra, hoy
en día, las reglas de asociación también son de aplicación en otras muchas áreas como el Web mining,  la
detección de intrusos o la bioinformática.

Índice
1 Definición del problema

1.1 Ejemplo práctico

1.2 Reglas significativas, 'soporte' y 'confianza'

1.3 Mejora de la confianza: "Lift" (1, 2)

2 Algoritmos

3 Referencias

4 Véase también
5 Enlaces externos

5.1 Bibliografía

5.2 Implementaciones

5.3 Enlaces
Definición del problema
Según  la  definición original de Agrawal et al3  el  problema  de  minería  de  reglas  de  asociación  se  define
como:

Sea   un conjunto de   atributos binarios llamados items.

Sea   un conjunto de transacciones almacenadas en una base de datos.

Cada  transacción  en    tiene  un  ID  (identificador)  único  y  contiene  un  subconjunto  de  items  de  .  Una
regla se define como una implicación de la forma:

Donde:

 y

Los  conjuntos  de  items    y    se  denominan  respectivamente  "antecedente"  (o  parte  izquierda)  y
"consecuente" (o parte derecha) de la regla.

Ejemplo práctico
Para  ilustrar  estos  conceptos  véase  el  siguiente  ejemplo  sobre Ejemplo:
ventas en un supermercado. El conjunto de items es: Base de datos con 4 items y 5
transacciones
ID Leche Pan Mantequilla Cerveza
A la derecha se muestra una pequeña base de datos que contiene 1 1 1 0 0
los items, donde el código '1' se interpreta como que el producto 2 0 1 1 0
(item) correspondiente está presente en la transacción y el código
3 0 0 0 1
'0'  significa  que  dicho  producto  no  está  presente.  Un  ejemplo  de
regla para el supermercado podría ser: 4 1 1 1 0
5 0 1 0 0

Significaría  que  si  el  cliente  compró  'leche'  y  'pan'  también  compró  'mantequilla',  es  decir,  según  la
especificación formal anterior se tendría que:

Reglas significativas, 'soporte' y 'confianza'
Nótese  que  el  ejemplo  anterior  es  muy  pequeño,  en  la  práctica,  una  regla  necesita  un  soporte  de  varios
cientos  de  registros  (transacciones)  antes  de  que  ésta  pueda  considerarse  significativa  desde  un  punto  de
vista estadístico. A menudo las bases de datos contienen miles o incluso millones de registros.

Para seleccionar reglas interesantes del conjunto de todas las reglas posibles que se pueden derivar de un
conjunto  de  datos  se  pueden  utilizar  restricciones  sobre  diversas  medidas  de  "significancia"  e  "interés".
Las restricciones más conocidas son los umbrales mínimos de "soporte" y "confianza".
El  'soporte'  de  un  conjunto  de  items    en  una  base  de  datos    se  define  como  la  proporción  de
transacciones en la base de datos que contiene dicho conjunto de items:

En el ejemplo anterior el conjunto   tiene un soporte de;

Es decir, el soporte es del 40% (2 de cada 5 transacciones).

La 'confianza' de una regla se define como:

Por ejemplo, para la regla:

La confianza sería:

Este  cálculo  significa  que  el  50%  de  las  reglas  de  la  base  de  datos  que  contienen  'leche'  y  'pan'  en  el
antecedente también tienen 'mantequilla' en el consecuente; en otras palabras, que la regla:

Es cierta en el 50% de los casos.

La  confianza  puede  interpretarse  como  un  estimador  de  ,  la  probabilidad  de  encontrar  la  parte
derecha de una regla condicionada a que se encuentre también la parte izquierda.4

Las reglas de asociación deben satisfacer las especificaciones del usuario en cuanto a umbrales mínimos de
soporte y confianza. Para conseguir esto el proceso de generación de reglas de asociación se realiza en dos
pasos. Primero se aplica el soporte mínimo para encontrar los conjuntos de items más frecuentes en la base
de datos. En segundo lugar se forman las reglas partiendo de estos conjuntos frecuentes de items y de la
restricción de confianza mínima.

Encontrar todos los subconjuntos frecuentes de la base de datos es difícil ya que esto implica considerar
todos los posibles subconjuntos de items (combinaciones de items). El conjunto de posibles conjuntos de
items  es  el  conjunto  potencia  de    y  su  tamaño  es  de    (excluyendo  el  conjunto  vacío  que  no  es
válido como conjunto de items). Aunque el tamaño del conjunto potencia crece exponencialmente con el
número  de  items    de  ,  es  posible  hacer  una  búsqueda  eficiente  utilizando  la  propiedad  "downward­
closure"  del  soporte3  (también  llamada  anti­monótona5  )  que  garantiza  que  para  un  conjunto  de  items
frecuente, todos sus subconjuntos también son frecuentes, y del mismo modo, para un conjunto de items
infrecuente, todos sus superconjuntos deben ser infrecuentes. Explotando esta propiedad se han diseñado
algoritmos eficientes (por ejemplo: Apriori6 y Eclat7 ) para encontrar los items frecuentes.
Mejora de la confianza: "Lift" (1 (http://web.archive.org/web/http://www.daedalus.es/
mineria­de­datos/los­panales­y­la­cerveza/), 2 (http://users.dsic.upv.es/~jorallo/docent/
doctorat/weka.pdf))
El indicador lift expresa cuál es la proporción del soporte observado de un conjunto de productos respecto
del soporte teórico de ese conjunto dado el supuesto de independencia. Un valor de lift = 1 indica que ese
conjunto aparece una cantidad de veces acorde a lo esperado bajo condiciones de independencia. Un valor
de lift > 1 indica que ese conjunto aparece una cantidad de veces superior a lo esperado bajo condiciones
de  independencia  (por  lo  que  se  puede  intuir  que  existe  una  relación  que  hace  que  los  productos  se
encuentren en el conjunto más veces de lo normal). Un valor de lift < 1 indica que ese conjunto aparece
una cantidad de veces inferior a lo esperado bajo condiciones de independencia (por lo que se puede intuir
que existe una relación que hace que los productos no estén formando parte del mismo conjunto más veces
de lo normal).

Algoritmos
Existen diversos algoritmos que realizan búsquedas de reglas de asociación bases de datos.

Apriori
Partition
Eclat

Referencias
1.  T. Menzies, Y. Hu. Data Mining For Busy People. IEEE Computer, Outubro de 2003, pgs. 18­25.
2.  Piatetsky­Shapiro, G. (1991), Discovery, analysis, and presentation of strong rules, in G. Piatetsky­Shapiro &
W. J. Frawley, eds, ‘Knowledge Discovery in Databases’, AAAI/MIT Press, Cambridge, MA.
3.  R.  Agrawal;  T.  Imielinski;  A.  Swami:  Mining  Association  Rules  Between  Sets  of  Items  in  Large  Databases",
SIGMOD Conference 1993: 207­216
4.  Jochen  Hipp,  Ulrich  Güntzer,  and  Gholamreza  Nakhaeizadeh.  Algorithms  for  association  rule  mining  ­  A
general survey and comparison. SIGKDD Explorations, 2(2):1­58, 2000.
5.  Jian  Pei,  Jiawei  Han,  and  Laks  V.S.  Lakshmanan.  Mining  frequent  itemsets  with  convertible  constraints.  In
Proceedings of the 17th International Conference on Data Engineering, April 2­6, 2001, Heidelberg, Germany,
pages 433­442, 2001.
6.  Rakesh Agrawal and Ramakrishnan Srikant. Fast algorithms for mining association rules in large databases. In
Jorge B. Bocca, Matthias Jarke, and Carlo Zaniolo, editors, Proceedings of the 20th International Conference on
Very Large Data Bases, VLDB, pages 487­499, Santiago, Chile, September 1994.
7.  Mohammed  J.  Zaki.  Scalable  algorithms  for  association  mining.  IEEE  Transactions  on  Knowledge  and  Data
Engineering, 12(3):372­390, May/June 2000.

Véase también
Minería de datos
Aprendizaje automático
WEKA
Iconografía de las correlaciones

Enlaces externos
Bibliografía
Extensive Bibliography on Association Rules (http://www.uco.es/grupos/kdis/ARMBibliography) by
 J.M. Luna
Annotated Bibliography on Association Rules (http://michael.hahsler.net/research/bib/association_ru
les/) by M. Hahsler

Implementaciones
Implementaciones Java de algoritmos de asociacion (http://www.uco.es/grupos/kdis/ARMBibliograp
hy/index.html)
arules (http://cran.r­project.org/package=arules), paquete para minería de reglas de asociación con R.
Implementaciones en C de los algoritmos Apriori y Eclat (http://www.borgelt.net/fpm.html)
FIMI (Frequent Itemset Mining Implementations Repository) (http://fimi.cs.helsinki.fi/)
Frequent pattern mining implementations from Bart Goethals (http://adrem.ua.ac.be/~goethals/softw
are/)
Weka  (http://www.cs.waikato.ac.nz/ml/weka/),  colección  de  algoritmos  para  tareas  de  minería  de
datos implementados en Java.
Software de minería de datos deMohammed J. Zaki (http://www.cs.rpi.edu/~zaki/software/)

Enlaces
Detalles sobre reglas de asociaciones (http://blog.misproyectosenred.com/wordpress/asociacionismo­
la­parte­tecnica­elemental/) by abc

Obtenido de «https://es.wikipedia.org/w/index.php?title=Reglas_de_asociación&oldid=97221393»

Categorías:  Bancos de datos Minería de datos

Se editó esta página por última vez el 28 feb 2017 a las 16:33.
El texto está disponible bajo la Licencia Creative Commons Atribución Compartir Igual 3.0; pueden
aplicarse cláusulas adicionales. Al usar este sitio, usted acepta nuestros términos de uso y nuestra
política de privacidad. 
Wikipedia® es una marca registrada de la Fundación Wikimedia, Inc., una organización sin ánimo
de lucro.