• تحلیل وابستگیها یک حالت غیر نظارتی داده کاوی می باشد که به جستجو برای یافتن ارتباط در مجموعه داده ها می پردازد یکی از کاربردیترین حالات تحلیل وابستگیها “تجزیه تحلیل سبد بازار ” می باشد
    • استخراج قوانین وابستگی از پایگاههای داده
      Mining Association Rules From Databases
      گردآورنده:
      ۱- مقدمه
      تحلیل وابستگیها یک حالت غیر نظارتی داده کاوی می باشد که به جستجو برای یافتن ارتباط در مجموعه داده ها می پردازد. یکی از کاربردیترین 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 کار به آنها کمک می کند که بهتر بتوانند کالاهای خود را سازماندهی کرده 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.
      ۲- 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.
      ۲-۲- اطمینان یا Confidence : میزان وابستگی یک قلم کالای خاص را به دیگری بیان می کند 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 کار به آنها کمک می کند که بهتر بتوانند کالاهای خود را سازماندهی کرده 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.
      ۲- تعاریف و مفاهیم اصلی

    • سایز : ۴۰۷ کیلو بایت
    • فرمت : doc
    • تعداد صفحات : ۲۸
  • برای مشاهده تصویر این فایل اینجا کلیک کنید.

FileHub ID : SID6337

برای ثبت امتیاز کلیک کنید
[کلی: میانگین: ]
لینک کوتاه این مطلب: https://filehub.ir/O6jt1
<<ادامه  کار آموزی حسابداری - بانک کشاورزی 35 ص

۰ دیدگاه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

موبایلتو شارژ کن