Clasificación mediante reglas de asociación

Especificación del

Problema

Minería de Datos:

Modelos PredictivosModelos Descriptivos

Preparación de Datos

ImplantaciónEvaluaciónInterpretaciónExplotación

Extracción de

Datos

Edad Tipo Coche Riesgo20 Combi Alto18 Deportivo Alto40 Deportivo Alto50 Familiar Bajo35 Minivan Bajo30 Combi Alto32 Familiar Bajo40 Combi Bajo

DatosEntrenamiento

Algoritmo Extrac. Modelos Predictivos

Clasificador(modelo)

if Edad < 31or Tipo Coche = Deport.then Riesgo = Alto

Edad < 31

Alto

Alto Bajo

IND, S-Plus Trees, C4.5, CN2, FACT, QUEST, CART, OC1, LMDT, CAL5, T1…

DatosEntrenamiento

Algoritmo Extrac. Modelos Descriptivos

Modelos

{Pañal} * {Cerveza},{Leche, Pan} {Huevos, Refresco},{Cerveza, Pan} {Leche}

AIS, Apriori, FP-Tree, RARM...

Id. Trans. Artículos1 Pan, Leche2 Pan, Pañal, Cerveza, Huevos3 Leche, Pañal, Cerveza, Refresco4 Pan, Leche, Pañal, Cerveza5 Pan, Leche. Pañal, Refresco

* La implicación representa simultaneidad, no causalidad

5

Reducción de Datos

Selección de Instancias

Compactación de instancias ó

Data Squashing

Discretización

Selección deCaracterística

s

Conjunto de Datos (D)

Conj. Entrenamiento (TR)

Conj. Test(TS)

Instancias Seleccionadas (TSS)

Alg. de Selección de Instancias

Alg. de Minería de Datos (CN2-

SD)

Reglas Obtenida

s