امروز: دوشنبه 10 مهر 1402
تحلیل وابستگیها یك حالت غیر نظارتی داده كاوی می باشد كه به جستجو برای یافتن ارتباط در مجموعه داده ها می پردازد یكی از كاربردیترین حالات تحلیل وابستگیها “تجزیه تحلیل سبد بازار ” می باشد
دسته بندی کامپیوتر
بازدید ها 1,699
فرمت فایل doc
حجم فایل 407 کیلو بایت
تعداد صفحات فایل 28
28,800 تومان
استخراج قوانین وابستگی از پایگاههای داده
استخراج قوانین وابستگی از پایگاههای داده
Mining Association Rules From Databases
گردآورنده: 
1- مقدمه
تحلیل وابستگیها یك حالت غیر نظارتی  داده كاوی می باشد كه به جستجو برای یافتن ارتباط  در مجموعه داده ها می پردازد. یكی از كاربردیترین حالات تحلیل وابستگیها “تجزیه تحلیل سبد بازار ” می باشد.
پیشرفت تکنولوژی فروشگاههای خرده فروشی را قادرساخته است حجم زیادی از داده های مربوط به خرید هر یک از مشتریان که از آن به عنوان سبد بازار یاد می‌شود را جمع‌آوری و ذخیره نمایند. داده‌های موجود در سبد بازارنشان‌دهنده خرید مشتری دریک زمان خاص هستند. هر مشتری خرید مجزایی را درکمیتهای مختلف وزمانهای متفاوت انجام می‌دهد. با تجزیه و تحلیل سبد بازاربینشی برای خرده‌فروشان ازاینکه چه محصولاتی با هم خریداری می‌شوند فراهم می گردد و بنابراین می‌توانند رفتارخرید مشتریان را پیش‌بینی کنند این كار به آنها كمك می كند كه بهتر بتوانند كالاهای خود را سازماندهی كرده و چیدمان بهتری ازمحصولات خود داشته باشند و بنابراین سودآوری خود را افزایش دهند.
Association rule ها ماهیتاً قوانین احتمالی هستند. بعبارت دیگر قانون   XÞAلزوماً قانون X+YÞA رانتیجه نمی‌دهد زیرا این قانون ممکن است از شرط حداقل Support برخوردار نباشد.
بطرزمشابه قوانین XÞY و YÞZ لزوماً قانون XÞZ را نتیجه نمی‌دهند زیرا قانون اخیر ممکن است از شرط حداقل Confidence برخوردار نباشد.
 2- تعاریف و مفاهیم اصلی
 I = { i1 , i2 , … , im } : مجموعه‌ای از کل ایتمهای خریداری شده است 
 T: هر زیرمجموعه‌ای از I می‌باشد که از آن بعنوان تراکنش یاد می‌کنیم.   
 D: مجموعه  تراکنشهای موجود در T است
: TID  شناسه منحصر به فرد و یکتایی است که به هریک از تراکنشهااختصاص می‌یابد.
نمای کلی یک قانون وایستگی به فرم زیر می‌باشد:
X  Þ Y [support , Confidence]
می‌باشد بطوریکه داریم:   X ÇY =  Æ و  X  Ì I, Y Ì I 
2-1- پشتیبان یا Support :  نشان‌دهنده درصد یا تعداد مجموعه تراکنشهایی در D است که شامل هر دوی X و)Y X È Y) باشند.
2-2- اطمینان یا Confidence : میزان وابستگی یك قلم كالای خاص را به دیگری بیان می كند ومطابق  فرمول زیر محاسبه می‌شود:

استخراج قوانین وابستگی از پایگاههای داده

Mining Association Rules From Databases



1- مقدمه

 

پیشرفت تکنولوژی فروشگاههای خرده فروشی را قادرساخته است حجم زیادی از داده های مربوط به خرید هر یک از مشتریان که از آن به عنوان سبد بازار یاد می‌شود را جمع‌آوری و ذخیره نمایند. داده‌های موجود در سبد بازارنشان‌دهنده خرید مشتری دریک زمان خاص هستند. هر مشتری خرید مجزایی را درکمیتهای مختلف وزمانهای متفاوت انجام می‌دهد. با تجزیه و تحلیل سبد بازاربینشی برای خرده‌فروشان ازاینکه چه محصولاتی با هم خریداری می‌شوند فراهم می گردد و بنابراین می‌توانند رفتارخرید مشتریان را پیش‌بینی کنند این كار به آنها كمك می كند كه بهتر بتوانند كالاهای خود را سازماندهی كرده و چیدمان بهتری ازمحصولات خود داشته باشند و بنابراین سودآوری خود را افزایش دهند.

Association rule ها ماهیتاً قوانین احتمالی هستند. بعبارت دیگر قانون   XÞAلزوماً قانون X+YÞA رانتیجه نمی‌دهد زیرا این قانون ممکن است از شرط حداقل Support برخوردار نباشد.بطرزمشابه قوانین XÞY و YÞZ لزوماً قانون XÞZ را نتیجه نمی‌دهند زیرا قانون اخیر ممکن است از شرط حداقل Confidence برخوردار نباشد.
 2- تعاریف و مفاهیم اصلی

فایل های مرتبط ( 24 عدد انتخاب شده )

بالا