Seleção Objetiva de suporte e confiança mínimos em Mineração de Regras de Associação / Objective selection of minimum support and minimum confidence in Association Rule Mining

A mineracao de dados e frequentemente descrita como o processo de localizacao de padroes interessantes em grandes bancos de dados. Dada a grande quantidade de dados digitais que estao continuamente sendo gerados e armazenados, a mineracao de dados oferece uma solucao para o problema de resumir e pesquisar rapidamente relacionamentos nao obvios nos dados. Medidas de interesse sao essenciais para a mineracao de regras de associacao. Como os algoritmos das Regras de Associacao podem extrair as regras de acordo com suporte minimo ( minsup ) e confianca minima ( minconf ), a escolha dos valores destes parâmetros e crucial. Nesta pesquisa, e abordada a questao de definir o valor ideal de minsup e minconf no processo de Mineracao de Regras de Associacao. As principais contribuicoes deste trabalho sao: (i) proposta de uma medida de Relevância, que possibilite a comparacao objetiva de Redes de Regras de Associacao; (ii) estudo da relacao entre as medidas de centralidade e as medidas de regra de associacao minsup e minconf; e (iii) propostas de metodos objetivos de selecao de minsup e minconf ideais, que permitiriam a avaliacao de hipoteses relevantes no processo de mineracao de dados. Os resultados indicam que se pode definir o minsup ideal com base nas caracteristicas dos conjuntos de dados, e o minconf ideal com base em medidas de centralidade e redes de regras de associacao.