DOI:
https://doi.org/10.14483/22484728.11654Publicado:
2016-12-20Número:
Vol. 10 Núm. 2 (2016)Sección:
Visión de CasoUna investigación comparativa entre algoritmos de reglas de asociación
A research comparative among association rules algorithms
Palabras clave:
Asociación de datos, algoritmo apriori, árbol de patrones frecuentes, minería de datos, reglas de asociación, búsqueda de profundidad (es).Palabras clave:
Data association, a priori algorithm, frequent patterns tree, data mining, association rules, and depth search (en).Descargas
Resumen (es)
En este artículo se proponen tres algoritmos para la asociación de datos y se presenta una descripción de cada uno de ellos con el propósito de mostrar cómo realiza las asociaciones que conducen a las reglas de asociación. Posteriormente, se realiza una comparación entre éstos para determinar su eficiencia y efectividad en los resultados. Para lo anterior, se encuentra la complejidad del algoritmo y se evalúa la calidad de los resultados y las reglas generadas. Al mismo tiempo, se utilizan diferentes conjuntos de datos para probar cada algoritmo. Finalmente, se presentan las conclusiones obtenidas en la investigación.
Resumen (en)
In this paper we propose three algorithms for the data association and presents a description of each with the purpose of showing how it performs the associations that leads to the association rules. Afterwards, a comparison among this is performed to determine its efficiency and effectiveness in the results. To do it, the algorithm complexity is to be found, and the quality of the results and the rules generated are evaluated. At the same time, different sets of data will be used to test each algorithm. Finally, the conclusions obtained from this research will be presented.
Referencias
W. J. Frawley, G. Piatetsky-Shapiro, and C. J. Matheus. “Knowledge Discovery in Databases: An Overview,” AI Magazine, vol. 13, no. 3, pp. 57-70, 1992.
Z. Tang and J. McLennan, “Data Mining with SQL Server 2005”, United States of America: Wiley, 2005.
M. Kantardzic, “Data Mining: concepts, models, methods, and algorithms”, 2nd Ed. USA: Wiley-IEEE Press, 2011.
J. Hernández, J. Ramírez and C. Ferri, “Introducción a la Minería de Datos,” in Introducción a la Mineria de Datos”, Madrid: Pearson, pp 239-243, 2004.
A. A. Morales, M. L. Rodríguez and J. E. Rodríguez, “Prototipo de software para la asociación de datos ‘UDAssociate ’,” Revista Científica, vol. 7, pp. 567–588, 2005.
K. Khurana and Mrs. S. Sharma, “A Comparative Analysis of Association Rules Mining Algorithms,” International Journal of Scientific and Research Publications, vol 3, Issue 5, May. 2013.
M, Berry and G. Linoff, “Data Mining Techniques: For Marketing, Sales, and Customer Support”. USA: Wiley, Jun 1997.
R. Agrawal, T. Imielinski, and A. Swami, “Mining Association Rules between Sets of Items in Large Databases,” ACM SIGMOD Conference Washington DC, USA, pp. 207–216, 1993.
A. Y, González, J. F. Martínez, J. A. Carrasco, J. Ruiz, “Minería de Reglas de Asociación sobre Datos Mezclados,” Instituto Nacional de Astrofísica, Óptica y Electrónica, Mar 2009. [Online]. Available: http://ccc.inaoep.mx/portalfiles/file/CCC-09-001.pdf
J. P. Lucas, “Métodos de clasificación basados en asociación aplicados a sistemas de recomendación,” Tesis Dr. Universidad Salamanca, 2010. [Online]. Available: http://gredos.usal.es/xmlui/bitstream/handle/10366/83342/DIA_PinhoLucasJ_M%C3%A9todosdeclasificaci%C3%B3n.pdf?sequence=1
M. E. De Moya Amaris and J. E. Rodríguez, “La contribución de las reglas de asociación a la minería de datos,” Tecnura, vol. 7, no. 13, pp. 94–109, 2003.
M.Castillo and N. Martín, “Reglas de asociación para líneas espectrales,” Universidad de Chile 2015. [Online]. Available: http://repositorio.uchile.cl/handle/2250/133022
J. Han, J. Pei, Y. Yin, and R. Mao, “Mining Frequent Patterns without Candidate Generation: A Frequent-Pattern Tree Approach,” Data Min. Knowl. Discov, vol. 8, no. 1, pp. 53–87, 2004.
J. Han, J. Pei, and Y. Yin. “Mining frequent patterns without candidate generation,” In Weidong Chen, Jeffrey Naughton, and Philip A. Bernstein, editors, ACM SIGMOD Intl. Conference on Management of Data, ACM Press, pp. 1–12, May 2000.
J. Panjwani, “APPLICATION OF FP TREE GROWTH IN TEXT MINING”, India, 2008. [Online]. Available: http://dspace.jdvu.ac.in/bitstream/123456789/20202/1/Acc.%20No.
%20DC%20388.pdf
M.J. Zaki, S. Parthasarathy, M. Ogihara, and W. Li, "New algorithms for fast discovery of association rules," in Third International Conference on Knowledge Discovery and Data Mining, AAAI ,1997. [Online]. Available:http://www.aaai.org/Papers/KDD/1997/KDD97-060.pdf
R. Danger and R. Berlanga. Llavori, “Búsqueda de Reglas de Asociación en bases de datos y colecciones de textos,” Universitat Jaume, april, 2001. [Online]. Available: https://www.researchgate.net/publication/228849142_Busqueda_de_Reglas_de_Asociacion_en_bases_de_datos_y_colecciones_de_textos
C. Borgelt, “Efficient implementations of apriori and eclat,” Department of Knowledge Processing and Language Engineering School of Computer Science, Otto-von-Guericke-University of Magdeburg Universitatsplatz, Magdeburg, Germany, 2003.
[Online]. Available: http://citeseerx.ist.psu.edu/viewdoc/download?
doi=10.1.1.162.291&rep=rep1&type=pdf
S.C Satapathy, “Information Systems Desing and Intelligent Applications”, Advances in intelligent System and Computing, vol 2, pp. 219-223, India, 2016.
J. J. Aguilera, M. J. Del Jesus, P. González, F. Herrera, M. Navío, and J. Sáinz, “Extracción Evolutiva de Reglas de Asociación en un Servicio de Urgencias Psiquiátricas,” Keel, 2002. [Online]. Available:
.png)
.jpg)
