Reglas de asociación
El aprendizaje de reglas de asociación es una técnica no supervisada que descubre patrones de coocurrencia — implicaciones de 'si X entonces Y' — dentro de grandes conjuntos de datos transaccionales. Originalmente formalizado por Agrawal, Imielinski y Swami (1993) para el análisis de cestas de supermercado, ahora se aplica ampliamente en recomendaciones de comercio electrónico, informática de la salud, bioinformática e investigación conductual.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- Agrawal, R., Imielinski, T., & Swami, A. (1993). Mining association rules between sets of items in large databases. Proceedings of the 1993 ACM SIGMOD International Conference on Management of Data, 207–216. DOI: 10.1145/170035.170072 ↗
- Tan, P.-N., Steinbach, M., Karpatne, A., & Kumar, V. (2018). Introduction to Data Mining (2nd ed., Ch. 5). Pearson. ISBN: 978-0-13-312890-1
Cómo citar esta página
ScholarGate. (2026, June 3). Association Rule Learning (Market Basket Analysis). ScholarGate. https://scholargate.app/es/machine-learning/association-rules
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Algoritmo AprioriAprendizaje automático↔ compare
- Agrupamiento K-mediasAprendizaje automático↔ compare
- Aprendizaje semisupervisadoAprendizaje automático↔ compare
- Ensamble de votaciónAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →