Algoritmo de minería de datos

• Reglas • RIPPER y sus antecesores
– REP – IREP – IREP* – RIPPER

• Ejemplo

• Una regla es un conjunto de condiciones que al combinarse se determina el resultado de una verdad.

• Fácilde entender • Usualmente mejores que los arboles de decisión • Se puede sugerir una acción en específico según el resultado de la regla

• El conjunto de reglas puede ser muy largo o muy especifico• Problemas con los datos con ruido

• Las siguientes tres reglas son ejemplos reales de las reglas generadas a partir de datos reales:
– los clientes de Wal-Mart que compran muñecas Barbietienen una probabilidad 60 por ciento que compren uno de tres tipos de barras de dulce. – Los clientes que adquieran contratos de mantenimiento son propensos a comprar grandes aparatos. – Cuando una nuevatienda de venta de materiales para construcción abre, uno de los artículos mas vendidos es el de limpieza del inodoro

• Reglas accionables • Reglas triviales • Reglas inexplicables

• Una vezse encuentre el patrón, a menudo no es difícil de justificar, debido a que la regla es fácil de entender, sugiere las posibles causas y las posibles acciones.
– Asegurar que los clientes tengan quecaminar por los pasillos de dulces en el camino de la compra de juguetes – Promociones que ofrecen golosinas y muñecos juntos

• Los resultados de estas reglas ya son conocidos por cualquier personaque este familiarizada en el ámbito del negocio.
– Si compra carne de hamburguesa, compra pan de hamburguesa – Si compra pintura, compra pinceles y papel juntos

• Son aquellas reglas cuyoresultados no parecen tener explicación y no sugieren un curso de acción.
– ¿Están ubicados en una zona de alto tráfico de clientes? – ¿El resultado es una anomalía de un puñado de tiendas?

• Cualquierasea la causa, es dudoso el análisis de este resultado

• Se realiza un conjunto de reglas mediante la búsqueda de una hipótesis que mejor se adapte a los datos de entrenamiento. • Los algoritmos...