En el aprendizaje supervisado, los clasificadores van desde los más simples, más interpretables y generalmente menos precisos (por ejemplo, CART, C4.5, J48) hasta los más complejos, menos interpretables y más precisos (por ejemplo, redes neuronales, SVM). En este equilibrio entre interpretabilidad y precisión, proponemos un nuevo clasificador basado en reglas de asociación, es decir, fácil de interpretar y que conduce a una precisión relevante. Para ilustrar esta propuesta, su rendimiento se compara con otros métodos ampliamente utilizados en seis conjuntos de datos de acceso abierto.