Técnicas de análisis: Reglas de asociación

TÉCNICAS DE ANÁLISIS: ASOCIACIÓN
raineropenschool.com
Rainer Open School – Big Data

INTRODUCCIÓN
El establecimiento de reglas de asociación es
una estrategia de aprendizaje no supervisado
para detectar relaciones “interesantes” en un
conjunto de datos.

APLICACIONES
Las aplicaciones de este tipo de análisis tienen
una gran implantación en el mercado de
consumo, hasta el punto que la técnica se
llama “análisis de cestas de la compra”.

CARACTERÍSTICAS
 Son técnicas de análisis descriptivo; revelan lo
que hay, incluso cuando la relación es
completamente insospechada
 No hacen predicciones, ni en el resultado ni
para el futuro. Comportamientos pasados no
garantizan comportamientos futuros.
 Son estrategias de fuerza bruta, por lo que
pueden llegar a consumir muchos recursos.

CONCEPTO DE RELACIÓN
Decimos que hay una relación entre dos
elementos, cuando aparecen juntos
demasiado a menudo como para sea un hecho
aleatorio y existe un valor comercial en él.

REGLAS DE ENUNCIACIÓN
Decimos que “cuando observamos X, también
se observa Y”, con la convención X -> Y. Ambos
elementos de la relación se denominan “carga
del lado izquierdo y derecho” (LHS, RHS).

CONCEPTO DE ITEMSET
Un “itemset” es una colección de elementos
(desde 1 a n) cuyos componentes mantienen
una relación entre sí. Un itemset de k
elementos se denomina k-itemset.

ALGORITMO DE APRIORI
Uno de los algoritmos de análisis de asociación
más tempranos e influyentes es el de Apriori.
Se basa en el uso del “soporte” como
elemento de referencia en la criba de datos.

CONCEPTO DE SOPORTE
El “soporte” es un valor de referencia,
expresado en porcentaje o en tanto por uno. Se
establece de forma arbitraria por el analista y
define el umbral de criba.

CRITERIO DE SOPORTE MÍNIMO
Por ejemplo, dado un soporte del 0’8 para un
conjunto L, superarán la criba (serán
“frecuentes”) aquellos artículos que estén
presentes en más del 80% de los tickets.

PROPIEDAD DE APRIORI
Si un itemset se considera frecuente, cualquier
subconjunto del itemset mantiene esta
consideración. Este razonamiento se denomina
“propiedad de cierre a la baja”.

ALGORITMO DE APRIORI
El algoritmo de Apriori “barre” el conjunto de
elementos por completo en sucesivas
iteraciones, eliminando los itemsets que no
superan el soporte definido.

ESQUEMA DE APLICACIÓN DEL MÉTODO
1. En la primera iteración, L1, se recorre todo el
conjunto de datos, valorando itemsets de 1
elemento. Los que no superan el soporte, se
eliminan del análisis.
2. En la segunda iteración, L2, los itemsets
supervivientes se emparejan en 2-itemsets,
aplicando la misma regla.
3. El resultado es un conjunto de reglas de
asociación.

FIABILIDAD DE LAS ASOCIACIONES
Confianza X → 𝑌 =
𝑆𝑜𝑝𝑜𝑟𝑡𝑒 (𝑋 ∩ 𝑌)
𝑆𝑜𝑝𝑜𝑟𝑡𝑒(𝑋)
La confianza (confidence) es el porcentaje de
transacciones que contienen los dos
elementos de la regla, entre todos los que
contienen el primer elemento.

ASCENSO DE LAS ASOCIACIONES
Ascenso X → 𝑌 =
𝑆𝑜𝑝𝑜𝑟𝑡𝑒 (𝑋 ∩ 𝑌)
𝑆𝑜𝑝𝑜𝑟𝑡𝑒 𝑋 ∗ 𝑆𝑜𝑝𝑜𝑟𝑡𝑒(𝑌)
El ascenso (lift) es una medida de cómo de
probable es que ambos elementos de una
regla aparezcan juntos más a menudo que
separados.

APALANCAMIENTO DE LAS ASOCIACIONES
Apalancamiento X → 𝑌 =
𝑆𝑜𝑝𝑜𝑟𝑡𝑒 𝑋 ∩ 𝑌 − 𝑆𝑜𝑝𝑜𝑟𝑡𝑒 𝑋 ∗ 𝑆𝑜𝑝𝑜𝑟𝑡𝑒(𝑌)
El apalancamiento (leverage) es la probabilidad
neta de que los dos elementos de la regla
aparezcan juntos, respecto a su independencia
estadística.

INTERPRETACIÓN DE LAS MÉTRICAS
 Confianza es la posibilidad de identificar
relaciones consistentes, pero no sabemos si
son una mera casualidad.
 El ascenso es un valor de esa incidencia
estadística.
 El apalancamiento nos dice qué probabilidad
hay de que ocurra esa asociación, respecto al
primer elemento de la misma.

DEBILIDADES DEL MÉTODO
 Aunque es un proceso de criba que reduce el
campo de datos, la estrategia de fuerza bruta
puede requerir un enorme uso de recursos.
 El algoritmo identifica asociaciones, pero éstas
no tienen por qué tener ningún significado ni
mantenerse en el tiempo.
 La definición del soporte es una decisión
arbitraria.

ESTRATEGIAS DE MEJORA DE LA EFICIENCIA
 Particionamiento del conjunto de datos.
 Muestreo aleatorio.
 Reduccionismo en las transacciones.
 Recuento por condensación.
 Recuento dinámico.

CONCLUSIONES
 La detección de reglas de asociación es un
conjunto de estrategias para detectar
relaciones entre elementos de un conjunto.
 Son esquemas de aprendizaje automático, no
supervisado, descriptivos y no predictivos.
 Pueden ser computacionalmente intensos.
 Dependen de algunas decisiones subjetivas.

LECTURAS RECOMENDADAS
Data Science & Big Data
Statistics
EMC Education Services
ISBN: 978-1118876138
http://amzn.to/1QTNWH7
Capítulo 5, por lo que se
refiere a esta presenta-
ción

SOBRE EL AUTOR
Rafael Morales
Consultor y formador en
 Sistemas de información (IT).
 Gestión de proyectos (PM).
 Aseguramiento de la calidad (QA).
 Facility Management (FM).
En LinkedIn: http://bit.ly/2mgxbmx
Email: contacto@rafael-morales.com

OTROS CONTENIDOS
Puedes encontrar las notas de
esta conferencia y otras del
mismo autor en Amazon:
http://amzn.to/1Rp8yM9
También puedes seguir las
novedades y convocatorias de
nuevos seminarios, cursillos y
presentaciones en

Técnicas de análisis: Reglas de asociación

Recomendados

Recomendados

Más contenido relacionado

Destacado

Destacado (6)

Similar a Técnicas de análisis: Reglas de asociación

Similar a Técnicas de análisis: Reglas de asociación (20)

Último

Último (20)

Técnicas de análisis: Reglas de asociación