Aprendizaje No Supervisado — Asociación
Reglas de Asociación: el algoritmo que descubre patrones ocultos en tus compras
El modelo que no agrupa… sino que conecta. Encuentra relaciones invisibles entre productos sin que nadie se las señale.
Hasta ahora, en este viaje por el aprendizaje no supervisado, todos nuestros algoritmos compartían una misma obsesión: agrupar. K‑means buscaba centros, DBSCAN buscaba barrios, Mean‑Shift subía montañas y Agglomerative construía árboles genealógicos. Distintos métodos, misma pregunta de fondo:
«¿Qué puntos se parecen entre sí?»
Hoy hacemos algo distinto. Hoy cambiamos la pregunta por completo:
«¿Qué cosas aparecen juntas?»
Bienvenido a las Reglas de Asociación, un tipo de algoritmo que no dibuja clusters ni busca formas en un mapa. Lo que busca son patrones de co‑ocurrencia: cosas que suelen aparecer de la mano. Es el algoritmo detrás de la frase más famosa de la historia del análisis de datos:
«Los clientes que compran pañales también compran cerveza.»
Y aunque suene a chiste de sobremesa, es literalmente lo que hace: descubre relaciones que nadie ha etiquetado, nadie ha señalado y nadie ha visto… hasta que el algoritmo las saca a la luz.
El ejemplo que nos acompaña
Seguimos en nuestra tienda online de siempre. Pero fíjate en el cambio de mirada: hasta ahora veíamos a los clientes como puntos en un plano, colocados según cuánto gastaban y cada cuánto compraban. Hoy dejamos de mirar a las personas y empezamos a mirar lo que llevan dentro de la cesta.
Cada cliente arrastra su carrito lleno de productos:
- uno compra camiseta + pantalón + calcetines,
- otro compra ratón + teclado + alfombrilla,
- otro compra champú + acondicionador,
- otro compra camiseta + sudadera + gorra.
Y tú, mirando miles de cestas, quieres responder a preguntas que a simple vista son imposibles: ¿qué productos suelen viajar juntos? ¿qué combinaciones se repiten una y otra vez? ¿la compra de un producto predice la de otro? ¿hay relaciones escondidas que el ojo humano jamás detectaría entre miles de tickets?
Eso es, exactamente, lo que hacen las reglas de asociación.
¿Qué es, en el fondo, una regla de asociación?
Una regla de asociación siempre tiene la misma forma, casi como un refrán:
Si alguien compra A, también suele comprar B.
Por ejemplo: si compra camiseta, también compra pantalón. Si compra ratón, también compra teclado. Si compra champú, también compra acondicionador.
Pero aquí está el detalle importante: que algo pase «a veces» no significa nada. Que un cliente comprara pan y bombillas el mismo día no convierte eso en un patrón. Necesitamos una forma de medir si la relación es de verdad o es puro azar. Y para eso existen tres métricas que trabajan en equipo. Vamos a conocerlas de una en una.
Métrica 1 — Soporte: «¿esto pasa mucho o es una rareza?»
El soporte es la métrica más sencilla: mide cuántas veces aparece una combinación en el total de cestas. Es, básicamente, la popularidad del patrón.
Imagina que de tus 10.000 clientes, hay 200 que compran camiseta + pantalón. El soporte sería:
Es decir, un 2% de tus clientes compra esa combinación. El soporte responde a la pregunta:
«¿Es un patrón frecuente o es una anécdota que solo ocurrió cuatro veces?»
Si el soporte es muy bajo, el patrón quizá no merezca ni que le prestes atención.
Métrica 2 — Confianza: «¿qué fuerza tiene la relación?»
El soporte te dice si algo es popular, pero no te dice si A arrastra a B. Para eso está la confianza, que mide cuántas veces comprar A lleva a comprar B.
Sigamos con el ejemplo. Supongamos que 200 clientes compran camiseta + pantalón, pero 250 clientes compran camiseta (con o sin pantalón). La confianza de la regla camiseta → pantalón sería:
Traducido: el 80% de los que compran camiseta también se llevan el pantalón. La confianza responde a:
«Cuando alguien compra A, ¿qué probabilidad hay de que compre B?»
Es una métrica potente… pero tiene una trampa que la siguiente métrica viene a resolver.
Métrica 3 — Lift: «¿es una relación real o solo coincidencia?»
Aquí llega la métrica más elegante de las tres. El problema de la confianza es que algunos productos se venden tantísimo que parecen relacionados con todo. Si el pantalón lo compra prácticamente todo el mundo, es normal que aparezca junto a la camiseta… pero también junto a cualquier otra cosa. Eso no es una relación especial, es solo que el pantalón es un superventas.
El lift corrige justo eso: compara la confianza real con la probabilidad de que B se comprara por pura casualidad. Su lectura es directísima:
- lift > 1 → A y B están relacionados de verdad (aparecen juntos más de lo esperable),
- lift = 1 → A y B son independientes, no tienen nada que ver,
- lift < 1 → A y B se repelen, comprar uno hace menos probable comprar el otro.
El lift responde a la pregunta definitiva:
«¿Esta relación es real, o es solo una coincidencia estadística disfrazada de patrón?»
Las tres métricas juntas forman un pequeño equipo perfecto: el soporte filtra lo que es frecuente, la confianza mide la fuerza, y el lift confirma si es auténtico.
¿Y cómo encuentra el algoritmo todas estas reglas?
Buscar combinaciones a mano sería imposible: con unos pocos cientos de productos, el número de combinaciones posibles se dispara a millones. Por eso existen algoritmos que hacen el trabajo pesado. Hay dos protagonistas:
1. Apriori. Es el método clásico y muy intuitivo. Va creciendo paso a paso: primero mira los productos individuales, luego las parejas, luego los tríos, luego los cuartetos… y en cada nivel descarta sin piedad todo lo que no llega a un soporte mínimo. Su idea genial: si un par de productos ya es poco frecuente, cualquier combinación que los incluya lo será todavía menos, así que no vale la pena ni mirarla. Eso le permite podar el árbol de posibilidades y no perderse en el infinito.
2. FP‑Growth. Es el hermano moderno y veloz. En lugar de ir probando combinaciones una a una, construye un árbol compacto (el FP‑tree) que resume todas las cestas de golpe. Sobre esa estructura encuentra los patrones frecuentes mucho más rápido y con menos esfuerzo, sobre todo cuando tienes toneladas de transacciones.
Los dos terminan en el mismo sitio: generando reglas del tipo A → B, cada una con su soporte, su confianza y su lift.
De vuelta a nuestra tienda
Imagina que soltamos el algoritmo sobre las cestas de nuestra tienda y nos devuelve esta regla:
camiseta → pantalón
soporte = 0,12 · confianza = 0,78 · lift = 1,4
¿Cómo se lee esto en cristiano?
- El 12% de tus clientes compra ambos productos (es un patrón frecuente, no una rareza).
- El 78% de los que compran camiseta también se llevan el pantalón (la relación es fuerte).
- Y con un lift de 1,4, esa relación es un 40% más probable de lo que sería por puro azar (es real, no coincidencia).
Resultado: una regla frecuente, fuerte y auténtica. Es decir, una regla sobre la que puedes actuar mañana mismo.
¿Y para qué sirve todo esto en la vida real?
Aquí es donde las reglas de asociación pasan de curiosidad matemática a máquina de hacer dinero. Son la base silenciosa de un montón de cosas que ves cada día:
- 🛒 Recomendaciones de productos → ese «otros clientes también compraron…» que aparece justo antes de pagar.
- 🔗 Cross‑selling → «ya que te llevas esto, quizá te interese aquello.»
- 📦 Diseño de packs y bundles → el clásico «pack champú + acondicionador» a precio conjunto.
- 🏬 Optimización de inventario y colocación → si dos productos se venden juntos, los pones cerca (físicamente en una tienda, o en la misma pantalla en el e‑commerce).
- 🎯 Marketing personalizado → «compraste A, aquí tienes un cupón para B.»
Ventajas y desventajas
Como todo en machine learning, no es magia: brilla en su terreno y flojea fuera de él.
| ✅ Ventajas | ❌ Desventajas |
|---|---|
| No necesita etiquetas ni datos preparados | Puede generar demasiadas reglas y abrumarte |
| Descubre relaciones invisibles al ojo humano | Hay que filtrar bien por soporte y confianza |
| Ideal para retail, e‑commerce y marketing | No funciona bien si los datos son muy dispersos |
| Muy fácil de interpretar | Detecta correlación, no causalidad |
| Directamente accionable en negocio | Un lift alto no significa que A cause B |
Ese último punto merece un aviso: las reglas de asociación te dicen que dos cosas van juntas, no que una provoque la otra. La cerveza no hace que compres pañales. Simplemente aparecen en la misma cesta por razones que el algoritmo ni conoce ni le importan.
¿Cuándo usar (y cuándo no) las reglas de asociación?
Para que no te líes, aquí tienes el resumen visual de cuándo tiene sentido sacar esta herramienta de la caja:
En pocas palabras: úsalas cuando tengas cestas de compra o datos transaccionales, quieras descubrir qué elementos se combinan, necesites recomendaciones o busques patrones de co‑ocurrencia. Y no las uses cuando tus datos no sean transaccionales, no haya elementos que «co‑aparezcan», o cuando en realidad lo que buscas son grupos de clientes parecidos (eso es clustering, y para eso ya tienes a tus cuatro algoritmos anteriores).
En resumen
Las reglas de asociación no agrupan: conectan. Ese es el cambio de chip de este capítulo.
- K‑means buscaba centros, DBSCAN buscaba barrios, Mean‑Shift subía montañas y Agglomerative construía árboles. Todos preguntaban «¿qué se parece?».
- Las reglas de asociación preguntan otra cosa: «¿qué aparece junto?». Su forma es siempre la misma: si alguien compra A, también suele comprar B.
- Y para saber si esa regla vale la pena, tres métricas trabajan juntas: el soporte te dice si el patrón es frecuente, la confianza te dice si la relación es fuerte, y el lift te dice si es real o solo una coincidencia.
Y la imagen para recordarlo: si el clustering consistía en descubrir formas en un mapa de datos, la asociación consiste en descubrir relaciones dentro de las cestas. Es el algoritmo que abre el carrito de la compra, mira lo que hay dentro y te susurra las conexiones invisibles que estaban ahí desde siempre, esperando a que alguien las viera.