Este gráfico es una **matriz agrupada** (`grouped matrix`). Su objetivo es resumir las reglas mostrando qué grupos de condiciones (LHS) llevan a qué resultados (RHS). Cada círculo en el gráfico representa un grupo de reglas que comparten condiciones y un resultado. El **tamaño** del círculo indica el **soporte** (cuán frecuente es) y el **color** indica el **lift** (cuán fuerte es la asociación). --- ### **Análisis de los Grupos de Reglas** El gráfico muestra dos patrones principales y distintos: 1. **Grupo 1: Círculo Rojo (Arriba a la Izquierda)** * **Condiciones (LHS)**: El grupo de 15 reglas que tienen en común `{Temperatura=Baja, Festivo=No, ...}`. * **Predicción (RHS)**: `Demanda=Baja`. * **Análisis**: * **Lift Alto (Color Rojo Intenso)**: El color indica un `lift` muy alto (cercano a 3.3). Esto significa que la asociación es **muy fuerte y confiable**. Cuando la temperatura es baja y no es festivo, es altamente predictivo de que la demanda será baja. * **Soporte Bajo (Tamaño Pequeño)**: El círculo es de los más pequeños, indicando un soporte bajo. Este patrón, aunque fuerte, **no es muy frecuente** en el conjunto de datos. 2. **Grupo 2: Círculo Blanco (Abajo a la Derecha)** * **Condiciones (LHS)**: El grupo de 5 reglas que tienen en común `{Mes=7, Humedad=Media, ...}`. * **Predicción (RHS)**: `Demanda=Alta`. * **Análisis**: * **Lift Bajo (Color Blanco/Pálido)**: El color indica un `lift` bajo (cercano a 2.5). La asociación existe, pero es **significativamente más débil** que la del otro grupo. * **Soporte Alto (Tamaño Grande)**: El círculo es más grande, lo que indica un soporte mayor. Este patrón **es más frecuente** en los datos que el anterior. --- ### **Conclusión General ⚖️** Este gráfico revela una compensación (trade-off) muy clara entre la frecuencia y la fuerza de los patrones encontrados: * Existe un patrón **muy fuerte para predecir `Demanda=Baja`**, pero ocurre con poca frecuencia. * Existe un patrón **más débil para predecir `Demanda=Alta`**, pero que ocurre con mayor frecuencia. En resumen, el gráfico te permite identificar rápidamente la naturaleza de las reglas: cuáles son tus "apuestas seguras" pero raras, y cuáles son tus patrones más comunes pero menos certeros.

Leadership

Este gráfico es un **grafo de red** que visualiza las reglas de asociación. Es la forma más intuitiva de ver cómo se conectan las condiciones y los resultados. * Los **rectángulos** son los **ítems** (ej. `Temperatura=Baja`). * Los **círculos** representan las **reglas**. * Las **flechas** indican la dirección: una flecha de un ítem a una regla significa que es una condición (LHS). Una flecha de una regla a un ítem significa que es el resultado (RHS). El tamaño y el color de los círculos representan el **soporte** y el **lift**, respectivamente. --- ### **Análisis de los Grupos (Clusters)** La conclusión más importante de este gráfico es que las reglas están divididas en **dos grupos o "clusters" completamente separados**. Esto confirma visualmente lo que vimos en los gráficos anteriores. 1. **Cluster Superior (Pálido)** * **Interpretación**: Este grupo corresponde a las reglas que tienen un **lift bajo** (indicado por el color pálido/blanco de los círculos). * **Patrón**: Representa las reglas que son más frecuentes (soporte más alto) pero cuya asociación es más débil. Basado en los gráficos anteriores, este es el grupo de reglas que predicen `Demanda=Alta`. 2. **Cluster Inferior (Rojo)** * **Interpretación**: Este grupo representa las reglas con un **lift muy alto** (indicado por el color rojo intenso). * **Patrón**: Son las reglas de asociación más fuertes y confiables. Como vimos antes, este es el grupo de reglas que predicen `Demanda=Baja`, las cuales son menos frecuentes pero muy predictivas. --- ### **Conclusión General ✨** Este grafo es la culminación del análisis y cuenta una historia muy clara: tu conjunto de datos contiene **dos familias de patrones totalmente independientes**: * Una familia de reglas para predecir la **demanda alta**, que son comunes pero no tan fuertes. * Otra familia de reglas para predecir la **demanda baja**, que son raras pero extremadamente fiables. La separación visual en dos "islas" de reglas es la forma más clara de entender que no hay un único tipo de patrón en tus datos, sino dos comportamientos distintos y bien definidos.

Titanic - Machine Learning from Disaster Analysis Dual Project Kaggle competition and capstone project