PAR-KNIME: conjunto de plugins para extraer reglas de asociación cuantitativas en KNIME

Katherine González Pupo, Orenia Lapeira Mena, Diana Martín Rodríguez

Resumen


En la actualidad se han desarrollado diferentes herramientas de minería de datos para extraer conocimiento interesante en grandes volúmenes de datos. Una de las herramientas más populares es KNIME, porque ha demostrado ser muy útil para los usuarios al guiar fácilmente el proceso de descubrimiento de conocimiento en los datos a través de un flujo de trabajo. Sin embargo, esta herramienta no cuenta con funcionalidades que le permitan extraer reglas de asociación cuantitativas de alta calidad. El descubrimiento de reglas de asociación es una de las técnicas de minería de datos más utilizada para extraer conocimiento interesante a partir de bases de datos. En este trabajo se propone PAR-KNIME, un conjunto de plugins que representan 7 algoritmos evolutivos recomendados en la literatura para extraer reglas de asociación cuantitativas. Además, se incluye un nuevo nodo para evaluar las reglas obtenidas por los algoritmos, calculando diferentes medidas de calidad de las reglas. El uso de PAR-KNIME y los resultados obtenidos por los algoritmos se muestran a través de dos ejemplos ilustrativos.

 

 


Palabras clave


minería de datos; reglas de asociación cuantitativas; Algoritmos Evolutivos; KNIME

Texto completo:

PDF


DOI: https://doi.org/10.1234/rci.v9i2.629

Enlaces refback

  • No hay ningún enlace refback.


Universidad Tecnológica de la Habana José Antonio Echeverría-Cujae
Calle 114 No. 11901 entre Ciclovía y Rotonda, Marianao. La Habana, Cuba. CP 19390
Correo electrónico: revistaingenieria@tesla.cujae.edu.cu
http://rci.cujae.edu.cu