Redes

RELACIONES CAUSALES EN REGLAS DE ASOCIACION
M. Amparo Vila F.
Universidad de Granada
DECSAI-España
vila@decsai.ugr.es

Daniel Sánchez F.
Universidad de Granada
DECSAI-España
daniel@decsai.ug.es

Resumen
A pesar de que existen técnicas desarrolladas
para descubrir relaciones causales entre datos
controlados (o experimentales), no está resuelto
como puede hacerse en datos solamenteobservados (capturados y almacenados, y sobre
los cuales no es posible experimentar). Para
encontrar relaciones causales en datos
observados, se han usado métodos basados en
grafos, los que resultan excesivamente
complejos cuando son aplicados en un típico
gran conjunto de datos.
La teoría de la inferencia causal en Minería de
Datos consta de dos partes : la inferencia causal
en datosestadísticos (la que contempla la
matemática, y la filosofía causal) y la parte de
Minería de Datos que tiene que ver con técnicas
que permitan seleccionar un conjunto de datos
observados
posibles
de
relacionarse
causalmente. Todo esto en grandes volúmenes
de datos almacenados en Base de Datos.
Las técnicas existentes de minería causal se
basan en técnicas más complejas de
descubrimientocausal en datos estadísticos y
en datos experimentales. De esta manera a
partir de la filosofía causal y la matemática es
posible también inferir relacione causales en
grandes Bases de Datos. Es necesario destacar
que la búsqueda de causalidad en Bases de
Datos es compleja, en el sentido que no es
posible partir de una hipótesis, sin embargo,
restringiéndose a un subconjunto de datos através de la utilización de la técnica de minería
de datos denominada “reglas de asociación” se
podría obtener información de presunta
causalidad entre ellos.
Palabras Clave: Minería de Datos, Causalidad,
Reglas de Asociación, KDD

1.

INTRODUCCIÓN

1.1. El problema
El interés en las reglas de asociación es que ellas ofrecen
la promesa (o ilusión) de causalidad, o al menos entreganrelaciones predictivas. Sin embargo, las reglas de

Luis Escobar R.
U. Tecnológica Metropolitana
Depto de Informática Chile
laescoba@utem.cl

asociación sólo calculan la frecuencia de ocurrencias de
uniones entre los atributos; Ellas no expresan una relación
causal. Sería de mucha utilidad poder descubrir las
relaciones causales a partir de reglas de asociación en el
contexto de la mineríade datos.

1.2. Objetivos y motivación de la investigación
El objetivo de este trabajo de investigación es realizar una
revisión de los conceptos relativos a la causalidad desde
diversos puntos de vista, filosófico, matemático, etc., para
ello se han recopilado diferentes modelos matemáticos y
técnicas utilizados para representar relaciones causales y
para juzgar cuando una relacióncausal es válida o no lo
es. Para lo cual se desea proponer dentro del ámbito de la
Minería de Datos, una “Técnica de Minería de Relaciones
Causales” a través del post-procesamiento de los
resultados entregados por la búsqueda de reglas de
asociación.
En cuanto a la motivación, se puede precisar como sigue;
“En muchas ocasiones cuando un usuario de un sistema
de minería de datos se encuentrabuscando y obteniendo
reglas de asociación, lo que este usuario busca y/o como
interpreta dichas reglas de asociación son las relaciones
causales, pero en la práctica una regla de asociación no
representa en general una relación causal.
2. INTRODUCCION A LA MINERIA DE DATOS Y
EXTRACCION DE CONOCIMIENTO EN BASES
DE DATOS
Se conoce como Descubrimiento de Conocimiento en
Bases de Datos (KDD:Knowledge Discovery in Data
Bases) al proceso de búsqueda de nuevo conocimiento a
partir de datos almacenados en Bases de Datos. El
proceso incluye el análisis inteligente de los datos y los
pasos que permiten entregar conocimiento.
La minería de datos se refiere a las técnicas que permiten
extraer conocimientos de un gran volumen de datos
almacenados en Bases de Datos. En general el...