Reducción de Redundancia en Reglas de Asociación

Resumen

El minado de reglas de asociación es uno de los campos más estudiados y aplicados en minería de datos. Los modelos descubiertos usualmente contienen un número de reglas demasiado grande lo que reduce la capacidad de los especialistas para utilizar los mismos con vistas a la toma de decisiones. Esta deficiencia se acentúa cuando hay presente reglas redundantes dentro del modelo. En este trabajo se utiliza una definición de redundancia que tiene en cuenta el conocimiento previo de los usuarios con respecto al dominio. Se propone un método, en la etapa de post-procesamiento para reducir la redundancia de los modelos de reglas de asociación. La propuesta desarrollada permite encontrar modelos más compactos que facilitan su utilización en el proceso de toma de decisiones. Los experimentos desarrollados han mostrado niveles de reducción cercanos al 90% del modelo. Las reglas consideradas como conocimiento previo no superan el 10% de las presentes en el modelo original. El método desarrollado facilita la utilización de las reglas de asociación en la toma de decisiones y por tanto aumenta la eficiencia de la minaría de reglas de asociación.