Reglas de Asociación 2012

Reglas de Asociación en Weka
Este documento muestra cómo establecer reglas de asociación en Weka usando
como ejemplo los datos de un banco "bank.arff". El punto de inicio consiste en
discretizar los datos usando los filtros de la pestaña de preprocesado de datos. La
Figura 1 muestra la interfaz del explorador de WEKA después de abrir el archivo
("bank-data-final.arff").
Figura 1. Interfaz de Weka
Seleccionando la pestaña "Associate" se muestra la interfaz para elegir los
algoritmos para determinar las reglas de asociación. El algorimto elegido, por
defecto, es el Apriori. Con el objeto de cambiar los parámetros del algoritmo (el
soporte, la confianza, etc.) se posiciona el cursor en el cuadro de texto, a la derecha
del botón “Choose”. El cuadro de diálogo para cambiar los parámetros se muestra
en la Figura 2. Se puede presionar el botón "More" para ver una descripción de
estos parámetros.
Figura 2. Cuadro de diálogo para la especificación de parámetros
WEKA permite que las reglas resultantes se ordenen de acuerdo con diferentes
indicadores como la confianza, el apalancamiento (leverage), y la elevación (lift).
En este ejemplo, hemos seleccionado la elevación como el criterio para determinar
la validez de las reglas. Por otra parte, se ha fijado en 1,5 como el valor mínimo
para la elevación (o mejora) que se calcula como la confianza de la regla dividida
por el soporte del consecuente de la regla. En una forma simplificada, dada una
regla L → R, la elevación es la relación entre la probabilidad de que L y R se
presenten juntas y la multiplicación de las dos probabilidades individuales para L
y R, es decir,
Si el valor de la elevación es 1, entonces L y R son independientes. Cuanto más alto
sea este valor, mayor será la probabilidad de que la existencia de L y R juntos en
una transacción no es sólo una ocurrencia aleatoria, sino debido a una cierta
relación entre ellos. En el ejemplo que se muestra en la figura 3 se está cambiando
el valor por defecto de las reglas (10) a 100, lo que indica que el programa
presentará un informe de no más de 100 reglas (en este caso, ordenados de acuerdo
a los valores de elevación). El límite superior para el soporte mínimo se establece
en 1,0 (100%) y el límite inferior en 0,1 (10%). El algoritmo Apriori en WEKA inicia
con el límite superior del soporte y va disminuyendo de modo incremental (en
incrementos del delta que por defecto se establece en 0,05 o 5%). La parada del
algoritmo ocurre cuando se llegue al número especificado de reglas especificado o
cuando se alcanza el límite inferior del soporte. La opción de prueba de la
significación sólo es aplicable en el caso de la confianza y por defecto no se utiliza
(-1,0).
Figura 3. Cuadro de diálogo usando el indicador “lift”
Una vez que los parámetros se han establecido, se pulsa el botón OK del cuadro de
diálogo. Luego, en la ventana, en el lado izquierdo se pulsa el botón “Start” para
ejecutar el algoritmo. Esto se traduce en un conjunto de reglas como se muestra en
la Figura 4.
Figura 4. Resultados del algoritmo Apriori
El panel de la izquierda ("Result list") muestra ahora un elemento que indica el
algoritmo que se ha ejecutado y el tiempo de ejecución. Se pueden llevar a cabo
varias ejecuciones en la misma sesión cada vez con parámetros diferentes. Cada
ejecución aparecerá como un elemento en el panel de lista de resultados. Al hacer
clic en uno de los resultados de esta lista, se abrirán los detalles de la ejecución del
algoritmo, incluyendo las reglas descubiertas en el panel de la derecha. Además,
haciendo clic derecho sobre el conjunto de resultados nos permite guardar el
resultado del búfer en un archivo separado. En este caso, se guarda el resultado en
el archivo de banco de datos ar1.txt. Una parte de este archivo se muestra en la
Figura 5:
Figura 5. Archivo con resultados de la ejecución del algoritmo Apriori
Se debe notar que las reglas se descubrieron acorde con los valores de umbral
especificados para el soporte y la elevación. Para cada regla, se muestran las
frecuencias de ocurrencia para el lado izquierdo y lado derecho de cada regla, así
como los valores de la confianza, la elevación, el apalancamiento, y la convicción.
Nótese que el apalancamiento y la elevación miden cosas similares, excepto que el
apalancamiento mide la diferencia entre la probabilidad de co-ocurrencia de L y R
y las probabilidades independientes de L y R como se muestra a continuación.
En otras palabras, el apalancamiento mide la proporción de casos adicionales
cubiertos por tanto L y R por encima de los esperados, si L y R son independientes
el uno del otro. Por lo tanto, para el apalancamiento, los valores por encima de 0 son
deseables, mientras que para la elevación se quieren valores superiores a 1.
Finalmente, la convicción es similar a la elevación, pero mide el efecto del
incumplimiento del consecuente de la regla. Por lo tanto, la convicción se estima
como:
En la mayoría de los casos, es suficiente centrarse en una combinación del soporte
y la confianza o la elevación y el apalancamiento para medir cuantitativamente la
"calidad" de las reglas. Sin embargo, el valor real de una regla de asociación, en
términos de utilidad, es subjetiva y depende en gran medida del dominio y los
objetivos de la organización o negocio.
Traducción libre de: Association Rule Mining with WEKA. Disponible en: http://maya.cs.depaul.edu/classes/ect584/weka/associate.html
Reglas de Asociación en Rattle
Este análisis busca encontrar relaciones entre las variables de un conjunto de datos, lo cual
es muy útil cuando se realizan clasificaciones u otras predicciones. El paquete Rattle
brinda una interfaz muy sencilla para el descubrimiento de reglas de asociación,
seleccionando la pestaña “Asociada” se encuentran las opciones disponibles para realizar
dicho análisis. Esta es una interfaz muy sencilla de pocas opciones, donde aparece la caja
de chequeo “Cestas” que si se activa, ejecuta un análisis de la canasta de mercado,
relacionando objetos en lugar variables, en el cual solo existen dos columnas: una con el ID
de la canasta y otra con el nombre del conjunto de ítems (itemset). El botón “Diagrama de
frecuencia” presenta un gráfico con los ítemsets más frecuentes, basándose en el soporte de
las reglas. En las opciones “Apoyo” (soporte) y “Confianza” se ingresan el valor mínimo
de aceptación para una regla de asociación. Por lo tanto, solo se elegirán las reglas que
tengan un soporte y una confianza igual o mayor que los valores especificados en estos
campos. El el botón “Mostrar reglas” simplemente las muestra. Se debe tener en cuenta
que los dos botones de esta interfaz solo funcionan después de haber oprimido el botón
“Execute”. La interfaz para este análisis se muestra a continuación en la figura 32.
Figura 1. Interfaz para encontrar reglas de asociación.
A continuación se mostrarán los resultados arrojados por el paquete Rattle con un soporte
y una confianza mínima de 0.5. En la primera parte se muestra un resumen sobre las
reglas, donde se observa el número de reglas que en este caso son 20 y luego se muestran
diversas estadísticas sobre el soporte, la confianza y la elevación (confianza de la regla
dividida el soporte de la parte derecha de la regla) [8]. En la segunda parte, muestra
información sobre la ejecución del algoritmo utilizado.
Figura 2. Resultado arrojado por el algoritmo aprioiri.
Al dar click en “Mostrar reglas” éstas se muestran de la siguiente forma:
Figura 3. Reglas de asociación encontradas.
Cada regla tiene su soporte, confianza y elevación (lift).
Extractado (y levemente modificado) de: Trabajo de grado de Daniel Tuttle Ospina que
está en la wiki.