Introducción

factorizaciones se pueden combinar con modelos de regresión para estudiar relaciones

entre atributos de causa-efecto.

1.7.1.3 Reglas de asociación

Estas tareas han evolucionado conjuntamente con la minería de datos desde los años
noventa. Son tareas descriptivas similares a las correlaciones y factorizaciones. Su fun-
ción principal es hallar relaciones no explícitas entre atributos categóricos. Dicho en
otros términos, su objetivo es el mismo que el de las correlaciones pero para variables
nominales, no numéricas. Dado el conjunto de elementos definidos por un conjunto de
atributos , una regla de asociación se escribirá del siguiente modo:
“si…, entonces… ”. La
anterior ecuación no significa otra cosa que: “si el atributo X toma el valor a entonces
el atributo Y tomará el valor c”. Esto no tiene por qué significar que los atributos estén
relacionados entre sí por causa-efecto. La estructura de la anterior asociación es una
regla de asociación direccional, es decir, está orientada. Por este motivo, se denominan
también dependencias de valor. También existen las reglas de asociación bidirecciona-
les, donde en vez de haber una implicación, existe una “coimplicación”. Por otra parte,
se pueden emplear además otro tipo de reglas de asociación como las negativas (con
desigualdades), las reglas de asociación secuenciales (cuando una asociación se produce
a continuación de la anterior y no al mismo tiempo) o reglas de asociación multinivel
(involucran ítems con diferentes niveles de abstracción).
En la actualidad, grandes cadenas de supermercados emplean este tipo de herramientas
de minería de datos para conocer mejor a sus clientes. Aplicando reglas de asociación
direccionales del estilo “si compra_ginebra = sí compra_tónica = sí entonces com-
pra_hielos”, el supermercado podría aplicar descuentos especiales o incluso hacer una
mejor disposición de los productos para facilitar la compra a sus consumidores. Esto no
significa que si alguien compra hielos vaya a comprar ginebra, pero sí es muy probable
que ocurra en el sentido inverso.
Por el contrario, si ponemos en práctica una regla de asociación bidireccional del estilo
“si compra_cereales = sí compra_leche”, estaríamos afirmando que una compra no se
produce sin la otra. Ofertar estos productos en el mismo pack o colocarlos en estanterías
muy próximas en el comercio sería una buena estrategia de negocio.

1.7.1.4 Dependencias funcionales

A menudo son enmarcadas dentro del campo de las reglas de asociación. Pero cuen-
tan con una sustancial diferencia. Las dependencias funcionales consideran todos los
posibles valores expresados del siguiente modo: “dados los valores de los atributos
soy capaz de determinar el valor del atributo ”. La explicación es que

33
E-Books & Papers for Statisticians