Ejemplo algoritmo apriori

RE-CREACIONES

LA CONTRIBUCIÓN DE LAS REGLAS DE
ASOCIACIÓN A LA MINERÍA DE DATOS

MARLY ESTER DE MOYA AMARIS
Ingeniera de Sistemas, candidata a Magister en Ingeniería de Sistemas de la Universidad Nacional de
Colombia. Administradora del Sistema de Información Geográfica del Instituto Geográfico Agustín Codazzi.
me_demoya@igac.gov.co.

JORGE ENRIQUE RODRÍGUEZ RODRÍGUEZ
Ingeniero deSistemas, Especialista en Diseño y Construcción de Soluciones Telemática, Especialista en
Ingeniería del Software, candidato a Magíster en Ingeniería de Sistemas de la Universidad Nacional de
Colombia. Profesor de tiempo completo adscrito a la Facultad Tecnológica de la Universidad Distrital
Francisco José de Caldas (F.J.C.)
jrodri@udistrital.edu.co.
Clasificación del artículo: Reflexión
Fechade aceptación: diciembre 04 de 2003

Fecha de recepción: agosto 27 de 2003

Palabras clave: Minería de datos, reglas
de asociación, algoritmos a priori, bases
de datos, bodegas de datos

Resumen
El artículo hace parte del proyecto de investigación «Desarrollo de Herramientas para la Minería de Datos - UDMiner»; en este documento los
autores se centran en el estudio de una de lastécnicas utilizadas para aplicar minería de datos
en grandes volúmenes de información: las reglas de asociación. Se inicia con una breve introducción a la minería de datos y las reglas de
asociación, luego se aborda un ejemplo para
explicar cómo se generan estas reglas, y se profundiza sobre reglas de asociación simples y reglas de asociación multinivel. Por último, se presentan algunas conclusiones,producto del avan-

94

Tecnura

No. 13

II semestre de 2003

Key words: Data mining, association
rules, a priori algorithms, data bases,
data warehouses

ce de la investigación y de la reflexión acerca
de sus potencialidades en el campo.
Abstract
TThe article makes part of the investigation
project: “Development of tools for the data
mining – UDMiner”; in this document, theauthors concentrate on the study of one of the
techniques used to apply the data mining to high
information volumes: the association rules. It
starts with a short introduction to the data mining
and the association rules, then an example is
presented to explain how these rules are

RE-CREACIONES

generated and deepens on simple association
rules and multilevel association rules. Lastly,some conclusions are presented as a consequence
of the research advance and the reflection about
its potentialities in the field.
1. Introducción
La minería de datos (Han, 2000), entendida
como la extracción de patrones y reglas significativas de una gran cantidad de información, es
útil en cualquier campo en el cual exista una
importante cantidad de datos y algo valioso que
aprender.Podría ser sorpresivo saber, por ejemplo, que las organizaciones de inteligencia militar emplean este tipo de técnicas para procesar
grandes cantidades de imágenes satelitales con
el propósito de clasificar objetivos visibles en
tierra como tanques o tractores.
En el contexto de negocios aplica la misma regla: su utilidad en cualquier campo donde existan grandes cantidades de datos y un conocimientopotencial (Imielinski, 1996). En este tipo
de actividades hay una definición explícita «algo
se considera valioso si el resultado de su conocimiento aporta más dinero que lo que costó su
descubrimiento»; de manera más estricta puede
decirse que «el conocimiento de algo es valioso si el retorno de la inversión requerida para
su aprendizaje es mayor que el retorno de utilizar estos fondos enotro tipo de inversión». Así,
mientras que en el contexto académico se considera «conocimiento» la posesión de los valores intrínsecos de algo, independiente de cual-

quier aplicación práctica, en el campo de los
negocios el conocimiento puede ser valioso de
dos formas: si aumenta la utilidad por medio de
la disminución de los costos o del incremento
de los ingresos. El conocimiento...