Estudio comparativo entre algoritmos para la generación de reglas de asociación
Este artículo propone tres algoritmos para la asociación de datos; se presenta una descripción de cada uno con el fin de mostrar como realiza las asociaciones que conducen a reglas de asociación. Posteriormente, se lleva a cabo una comparación de estos para determinar su eficiencia y efectividad en...
- Autores:
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2015
- Institución:
- Universidad Distrital Francisco José de Caldas
- Repositorio:
- RIUD: repositorio U. Distrital
- Idioma:
- spa
- OAI Identifier:
- oai:repository.udistrital.edu.co:11349/7289
- Acceso en línea:
- http://hdl.handle.net/11349/7289
- Palabra clave:
- Asociación de datos
Algoritmo a priori
Árboles de patrones frecuentes
Minería de datos
Reglas de asociación
Búsqueda en profundidad
Tecnología en sistematización de datos - Tesis y disertaciones académicas
Algoritmos (Computadores)
Minería de datos
Gestión de información
Data association
A priori algorithm
Frequent patterns tree
Data mining
Association rules
Depth search
- Rights
- License
- Atribución-NoComercial-SinDerivadas 4.0 Internacional
id |
UDISTRITA2_342f0b547f2998528df33797eef88142 |
---|---|
oai_identifier_str |
oai:repository.udistrital.edu.co:11349/7289 |
network_acronym_str |
UDISTRITA2 |
network_name_str |
RIUD: repositorio U. Distrital |
repository_id_str |
|
dc.title.spa.fl_str_mv |
Estudio comparativo entre algoritmos para la generación de reglas de asociación |
dc.title.titleenglish.spa.fl_str_mv |
A study comparative among association rules algorithms |
title |
Estudio comparativo entre algoritmos para la generación de reglas de asociación |
spellingShingle |
Estudio comparativo entre algoritmos para la generación de reglas de asociación Asociación de datos Algoritmo a priori Árboles de patrones frecuentes Minería de datos Reglas de asociación Búsqueda en profundidad Tecnología en sistematización de datos - Tesis y disertaciones académicas Algoritmos (Computadores) Minería de datos Gestión de información Data association A priori algorithm Frequent patterns tree Data mining Association rules Depth search |
title_short |
Estudio comparativo entre algoritmos para la generación de reglas de asociación |
title_full |
Estudio comparativo entre algoritmos para la generación de reglas de asociación |
title_fullStr |
Estudio comparativo entre algoritmos para la generación de reglas de asociación |
title_full_unstemmed |
Estudio comparativo entre algoritmos para la generación de reglas de asociación |
title_sort |
Estudio comparativo entre algoritmos para la generación de reglas de asociación |
dc.contributor.advisor.spa.fl_str_mv |
Rodríguez Rodríguez, Jorge Enrique |
dc.subject.spa.fl_str_mv |
Asociación de datos Algoritmo a priori Árboles de patrones frecuentes Minería de datos Reglas de asociación Búsqueda en profundidad |
topic |
Asociación de datos Algoritmo a priori Árboles de patrones frecuentes Minería de datos Reglas de asociación Búsqueda en profundidad Tecnología en sistematización de datos - Tesis y disertaciones académicas Algoritmos (Computadores) Minería de datos Gestión de información Data association A priori algorithm Frequent patterns tree Data mining Association rules Depth search |
dc.subject.lemb.spa.fl_str_mv |
Tecnología en sistematización de datos - Tesis y disertaciones académicas Algoritmos (Computadores) Minería de datos Gestión de información |
dc.subject.keyword.spa.fl_str_mv |
Data association A priori algorithm Frequent patterns tree Data mining Association rules Depth search |
description |
Este artículo propone tres algoritmos para la asociación de datos; se presenta una descripción de cada uno con el fin de mostrar como realiza las asociaciones que conducen a reglas de asociación. Posteriormente, se lleva a cabo una comparación de estos para determinar su eficiencia y efectividad en los resultados; para esto se halla la complejidad algorítmica y se evalúa la calidad de los resultados y las reglas generadas. De igual forma, se usaran diferentes conjuntos de datos para probar cada algoritmo. Finalmente, se presentan las conclusiones obtenidas de esta investigación. |
publishDate |
2015 |
dc.date.created.spa.fl_str_mv |
2015-04-16 |
dc.date.accessioned.none.fl_str_mv |
2017-12-18T21:09:26Z |
dc.date.available.none.fl_str_mv |
2017-12-18T21:09:26Z |
dc.type.degree.spa.fl_str_mv |
Producción Académica |
dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
format |
http://purl.org/coar/resource_type/c_7a1f |
dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/11349/7289 |
url |
http://hdl.handle.net/11349/7289 |
dc.language.iso.spa.fl_str_mv |
spa |
language |
spa |
dc.rights.*.fl_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional |
dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_16ec |
dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
dc.rights.acceso.spa.fl_str_mv |
Restringido (Solo Referencia) |
rights_invalid_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional http://creativecommons.org/licenses/by-nc-nd/4.0/ Restringido (Solo Referencia) http://purl.org/coar/access_right/c_16ec |
dc.format.mimetype.spa.fl_str_mv |
pdf |
institution |
Universidad Distrital Francisco José de Caldas |
bitstream.url.fl_str_mv |
http://repository.udistrital.edu.co/bitstream/11349/7289/4/Diana%20Milena%20Rodriguez%20Herrera%202016.pdf.jpg http://repository.udistrital.edu.co/bitstream/11349/7289/5/licencia.pdf.jpg http://repository.udistrital.edu.co/bitstream/11349/7289/3/license.txt http://repository.udistrital.edu.co/bitstream/11349/7289/1/Diana%20Milena%20Rodriguez%20Herrera%202016.pdf http://repository.udistrital.edu.co/bitstream/11349/7289/2/licencia.pdf |
bitstream.checksum.fl_str_mv |
ea21d08d3f2b9db959ad5064b2647b37 43555a22de9b945654f9cb856c4b1726 3cf632b743193f52a054a7b4bd2b66f1 801cde47df62384096421c13b8807d04 8c40c012d04b7adfd7ed054b0337d9a7 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio Institucional Universidad Distrital - RIUD |
repository.mail.fl_str_mv |
repositorio@udistrital.edu.co |
_version_ |
1814111188789755904 |
spelling |
Rodríguez Rodríguez, Jorge EnriqueRodriguez Herrera, Diana MilenaRocha Hernandez, July Andrea2017-12-18T21:09:26Z2017-12-18T21:09:26Z2015-04-16http://hdl.handle.net/11349/7289Este artículo propone tres algoritmos para la asociación de datos; se presenta una descripción de cada uno con el fin de mostrar como realiza las asociaciones que conducen a reglas de asociación. Posteriormente, se lleva a cabo una comparación de estos para determinar su eficiencia y efectividad en los resultados; para esto se halla la complejidad algorítmica y se evalúa la calidad de los resultados y las reglas generadas. De igual forma, se usaran diferentes conjuntos de datos para probar cada algoritmo. Finalmente, se presentan las conclusiones obtenidas de esta investigación.In this paper we propose three algorithms for the data association; it presents a description of each whit the purpose of showing how it performs the associations that leads to the association rules. Afterwards, a comparison among this is performed to determine its efficiency and effectiveness in the results; to do it the algorithm complexity is to be found, and the quality of the results and the rules generated are evaluated. At the same time, different sets of data will be used to test each algorithm. Finally, the conclusions obtained from this research will be presented.pdfspaAtribución-NoComercial-SinDerivadas 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-nd/4.0/Restringido (Solo Referencia)http://purl.org/coar/access_right/c_16ecAsociación de datosAlgoritmo a prioriÁrboles de patrones frecuentesMinería de datosReglas de asociaciónBúsqueda en profundidadTecnología en sistematización de datos - Tesis y disertaciones académicasAlgoritmos (Computadores)Minería de datosGestión de informaciónData associationA priori algorithmFrequent patterns treeData miningAssociation rulesDepth searchEstudio comparativo entre algoritmos para la generación de reglas de asociaciónA study comparative among association rules algorithmsProducción Académicainfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fTHUMBNAILDiana Milena Rodriguez Herrera 2016.pdf.jpgDiana Milena Rodriguez Herrera 2016.pdf.jpgIM Thumbnailimage/jpeg12207http://repository.udistrital.edu.co/bitstream/11349/7289/4/Diana%20Milena%20Rodriguez%20Herrera%202016.pdf.jpgea21d08d3f2b9db959ad5064b2647b37MD54open accesslicencia.pdf.jpglicencia.pdf.jpgIM Thumbnailimage/jpeg11328http://repository.udistrital.edu.co/bitstream/11349/7289/5/licencia.pdf.jpg43555a22de9b945654f9cb856c4b1726MD55open accessLICENSElicense.txtlicense.txttext/plain; charset=utf-87273http://repository.udistrital.edu.co/bitstream/11349/7289/3/license.txt3cf632b743193f52a054a7b4bd2b66f1MD53open accessORIGINALDiana Milena Rodriguez Herrera 2016.pdfDiana Milena Rodriguez Herrera 2016.pdfTrabajo de Grado-Articuloapplication/pdf1044179http://repository.udistrital.edu.co/bitstream/11349/7289/1/Diana%20Milena%20Rodriguez%20Herrera%202016.pdf801cde47df62384096421c13b8807d04MD51metadata only accesslicencia.pdflicencia.pdfapplication/pdf2746806http://repository.udistrital.edu.co/bitstream/11349/7289/2/licencia.pdf8c40c012d04b7adfd7ed054b0337d9a7MD52metadata only access11349/7289oai:repository.udistrital.edu.co:11349/72892023-06-09 16:12:15.0metadata only accessRepositorio Institucional Universidad Distrital - RIUDrepositorio@udistrital.edu.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 |