Discusión sobre el artículo "Redes neuronales: así de sencillo (Parte 18): Reglas asociativas"

 

Artículo publicado Redes neuronales: así de sencillo (Parte 18): Reglas asociativas:

Como continuación de esta serie, hoy presentamos otro tipo de tarea relacionada con los métodos de aprendizaje no supervisado: la búsqueda de reglas asociativas. Este tipo de tarea se usó por primera vez en el comercio minorista para analizar las cestas de la compra. En este artículo, hablaremos de las posibilidades que ofrece el uso de dichos algoritmos en el trading.

El algoritmo comienza seleccionando características aleatorias. Para ello, de forma similar al algoritmo anterior, efectuamos una primera pasada por toda la muestra de entrenamiento y calculamos el soporte de cada característica. A continuación, eliminamos las características cuya frecuencia de aparición es inferior al soporte mínimo.

El resto de las características están clasificadas según el orden descendente de sus soportes. Para el ejemplo anterior, obtenemos la serie:

D (0.8) -> C (0.7) -> B (0.6) -> E(0.4) 

A continuación, hacemos crecer el árbol FP. Para ello, realizamos una segunda pasada por la muestra de entrenamiento. En este caso, en cada operación tomamos solo las características que aparecen con frecuencia, clasificamos en orden descendente su soporte, y construimos el camino en nuestro árbol. De este modo, el nodo con el máximo soporte estará en la raíz del árbol, y el nodo con el mínimo soporte será su hoja. Además, crearemos un contador para cada nodo, asignando en la primera iteración un valor de contador igual a 1 (o 1/N, donde N será el tamaño de la muestra de entrenamiento).

1er camino del árbol de FP


Autor: Dmitriy Gizlyk