Uyushma qoidalarini o'rganish - Association rule learning - Wikipedia

Uyushma qoidalarini o'rganish a qoidalarga asoslangan mashinalarni o'rganish katta ma'lumotlar bazalarida o'zgaruvchilar o'rtasidagi qiziqarli munosabatlarni aniqlash usuli. Ba'zi qiziqarli o'lchovlar yordamida ma'lumotlar bazalarida aniqlangan kuchli qoidalarni aniqlashga mo'ljallangan.^[1]

Kuchli qoidalar kontseptsiyasiga asoslanib, Rakesh Agrawal, Tomasz Imieliński va Arun Swami^[2] tomonidan ro'yxatga olingan keng ko'lamli operatsiyalar ma'lumotlarida mahsulotlar o'rtasidagi qonuniyatlarni aniqlash uchun assotsiatsiya qoidalarini joriy qildi savdo nuqtasi Supermarketlardagi (POS) tizimlar. Masalan, qoida ${ displaystyle { mathrm {piyoz, kartoshka} } Rightarrow { mathrm {burger} }}$ supermarketning savdo ma'lumotlarida, agar mijoz piyoz va kartoshkani birgalikda sotib olsa, ular ham gamburger go'shtini sotib olishlari mumkin. Bunday ma'lumotlar marketing faoliyati to'g'risida qaror qabul qilish uchun asos sifatida ishlatilishi mumkin, masalan, reklama kabi narxlash yoki mahsulotni joylashtirish.

Dan yuqoridagi misolga qo'shimcha ravishda bozor savatini tahlil qilish assotsiatsiya qoidalari bugungi kunda ko'plab dastur sohalarida, shu jumladan Internetdan foydalanish konlari, kirishni aniqlash, uzluksiz ishlab chiqarish va bioinformatika. Bilan farqli o'laroq ketma-ket qazib olish, assotsiatsiya qoidalarini o'rganish, odatda, bitim doirasidagi yoki bitimlardagi narsalar tartibini hisobga olmaydi.

Ta'rif

Agrawal, Imieliński, Swami tomonidan berilgan asl ta'rifga rioya qilgan holda^[2] assotsiatsiya qoidalarini qazib olish muammosi quyidagicha aniqlanadi:

Ruxsat bering ${ displaystyle I = {i_ {1}, i_ {2}, ldots, i_ {n} }}$ to'plami bo'ling ${ displaystyle n}$ chaqirilgan ikkilik atributlar buyumlar.

Ruxsat bering ${ displaystyle D = {t_ {1}, t_ {2}, ldots, t_ {m} }}$ deb nomlangan bitimlar to'plami bo'lishi mumkin ma'lumotlar bazasi.

Har biri bitim yilda ${ displaystyle D}$ noyob tranzaksiya identifikatoriga ega va elementlarning kichik qismini o'z ichiga oladi ${ displaystyle I}$.

A qoida shaklning ma'nosi sifatida belgilanadi:

${ displaystyle X Rightarrow Y}$, qayerda ${ displaystyle X, Y subseteq I}$.

Agrawalda, Imielikiski, Swami^[2] a qoida faqat to'plam va bitta element o'rtasida aniqlanadi, ${ displaystyle X Rightarrow i_ {j}}$ uchun ${ displaystyle i_ {j} in I}$.

Har qanday qoida ikki xil elementlar to'plamidan iborat bo'lib, ular ham ma'lum buyumlar to'plamlari, ${ displaystyle X}$ va ${ displaystyle Y}$, qayerda ${ displaystyle X}$ deyiladi oldingi yoki chap tomon (LHS) va ${ displaystyle Y}$ natijada yoki o'ng tomon (RHS).

Kontseptsiyalarni tasvirlash uchun biz supermarketlar domenidan olingan kichik bir misoldan foydalanamiz. Ob'ektlar to'plami ${ displaystyle I = { mathrm {sut, non, sariyog ', pivo, tagliklar} }}$ va jadvalda elementlarni o'z ichiga olgan kichik ma'lumotlar bazasi ko'rsatilgan, bu erda har bir yozuvda 1 qiymati mos keladigan bitimdagi element mavjudligini anglatadi va 0 qiymati ushbu operatsiyadagi element yo'qligini anglatadi.

Supermarket uchun namunaviy qoida bo'lishi mumkin ${ displaystyle { mathrm {sariyog ', non} } Rightarrow { mathrm {milk} }}$ ya'ni sariyog 'va non sotib olinsa, xaridorlar sutni ham sotib olishadi.

Izoh: bu misol juda kichik. Amaliy qo'llanmalarda qoida statistik ahamiyatga ega deb hisoblanishidan oldin bir necha yuz operatsiyalarni qo'llab-quvvatlashga muhtoj,^[3] va ma'lumotlar to'plamlari ko'pincha minglab yoki millionlab operatsiyalarni o'z ichiga oladi.

Foydali tushunchalar

Barcha mumkin bo'lgan qoidalar to'plamidan qiziqarli qoidalarni tanlash uchun har xil ahamiyatga va qiziqish o'lchovlariga cheklovlar qo'llaniladi. Eng taniqli cheklovlar - qo'llab-quvvatlash va ishonchning minimal chegaralari.

Ruxsat bering ${ displaystyle X, Y}$ buyumlar bo'ling, ${ displaystyle X Rightarrow Y}$ birlashma qoidasi va ${ displaystyle T}$ berilgan ma'lumotlar bazasi operatsiyalari to'plami.

Qo'llab-quvvatlash

Qo'llab-quvvatlash, ma'lumotlar to'plamida ma'lumotlar to'plamining qanchalik tez-tez paydo bo'lishining ko'rsatkichidir.

Qo'llab-quvvatlash ${ displaystyle X}$ munosabat bilan ${ displaystyle T}$ bitimlarning ulushi sifatida aniqlanadi ${ displaystyle t}$ ma'lumotlar to'plamida joylashgan ma'lumotlar to'plamida ${ displaystyle X}$.

${ displaystyle mathrm {supp} (X) = { frac {| {t in T; X subseteq t } |} {| T |}}}$

Ma'lumotlar to'plami misolida, ma'lumotlar to'plami ${ displaystyle X = { mathrm {pivo, tagliklar} }}$ ning qo'llab-quvvatlashiga ega ${ displaystyle 1/5 = 0,2}$ chunki bu barcha bitimlarning 20 foizida (5 bitimdan bittasi) sodir bo'ladi. Ning argumenti ${ displaystyle mathrm {supp} ()}$ old shartlarning to'plamidir va shu bilan u o'sib borishi bilan cheklovga aylanadi (ko'proq inklyuziv o'rniga).^[4]

Bundan tashqari, buyumlar to'plami ${ displaystyle Y = { mathrm {sut, non, sariyog '}}}}$ ning qo'llab-quvvatlashiga ega ${ displaystyle 1/5 = 0,2}$ barcha operatsiyalarning 20 foizida ham bo'lgani kabi.

Ishonch

Ishonch bu qoidaning qanchalik tez-tez aniqlanganligidan dalolat beradi.

The ishonch qoidaning qiymati, ${ displaystyle X Rightarrow Y}$ , bitimlar to'plamiga nisbatan ${ displaystyle T}$, o'z ichiga olgan bitimlarning ulushi ${ displaystyle X}$ u ham o'z ichiga oladi ${ displaystyle Y}$.

Ishonch quyidagicha ta'riflanadi:

${ displaystyle mathrm {conf} (X Rightarrow Y) = mathrm {supp} (X cup Y) / mathrm {supp} (X)}$

Masalan, qoida ${ displaystyle { mathrm {sariyog ', non} } Rightarrow { mathrm {milk} }}$ ishonchiga ega ${ displaystyle 0.2 / 0.2 = 1.0}$ ma'lumotlar bazasida, bu sariyog 'va nonni o'z ichiga olgan bitimlarning 100% uchun to'g'ri bo'lganligini anglatadi (xaridor sariyog' va non sotib olganida 100%, sut ham sotib olinadi).

Yozib oling ${ displaystyle mathrm {supp} (X stakan Y)}$ X va Y elementlarning birlashishini qo'llab-quvvatlashni anglatadi. Bu biroz chalkash, chunki biz odatda ehtimolliklar nuqtai nazaridan o'ylaymiz voqealar va buyumlar to'plami emas. Qayta yozishimiz mumkin ${ displaystyle mathrm {supp} (X stakan Y)}$ ehtimollik sifatida ${ displaystyle P (E_ {X} cap E_ {Y})}$, qayerda ${ displaystyle E_ {X}}$ va ${ displaystyle E_ {Y}}$ bitim elementlar to'plamini o'z ichiga olgan hodisalar ${ displaystyle X}$ va ${ displaystyle Y}$navbati bilan.^[5]

Shunday qilib ishonchni baholash sifatida izohlash mumkin shartli ehtimollik ${ displaystyle P (E_ {Y} | E_ {X})}$, ushbu bitimlarda LHS ham bo'lishi sharti bilan operatsiyalarda qoidaning RHS-ni topish ehtimoli.^[4][6]

Ko'taring

The ko'tarish qoida quyidagicha aniqlanadi:

${ displaystyle mathrm {lift} (X Rightarrow Y) = { frac { mathrm {supp} (X kubok Y)} { mathrm {supp} (X) times mathrm {supp} (Y) }}}$

yoki kuzatilgan qo'llab-quvvatlashning X va Y bo'lsa, kutilgan natijaga nisbati mustaqil.

Masalan, qoida ${ displaystyle { mathrm {sut, non} } Rightarrow { mathrm {butter} }}$ ko'taruvchiga ega ${ displaystyle { frac {0.2} {0.4 times 0.4}} = 1.25}$.

Agar qoida 1 koeffitsientiga ega bo'lsa, demak, oldingi va keyingi oqibatlarning yuzaga kelish ehtimoli bir-biridan mustaqil ekanligini anglatadi. Ikki hodisa bir-biridan mustaqil bo'lganda, ushbu ikki hodisani o'z ichiga olgan hech qanday qoida tuzish mumkin emas.

Agar ko'tarish> 1 bo'lsa, bu bizga ushbu ikkita hodisaning bir-biriga bog'liqligini bilib olishga imkon beradi va ushbu qoidalarni kelajakdagi ma'lumotlar to'plamida natijani bashorat qilish uchun foydali bo'ladi.

Agar ko'tarish <1 bo'lsa, bu narsalar bir-birining o'rnini bosuvchi ekanligini bilib olamiz. Bu shuni anglatadiki, bitta buyumning mavjudligi boshqa narsaning mavjudligiga salbiy ta'sir qiladi va aksincha.

Liftning qiymati shundaki, u qoidani qo'llab-quvvatlashni va umumiy ma'lumotlar to'plamini hisobga oladi.^[4]

Sudlanganlik

The ishonchlilik qoidalar quyidagicha aniqlanadi ${ displaystyle mathrm {conv} (X Rightarrow Y) = { frac {1- mathrm {supp} (Y)} {1- mathrm {conf} (X Rightarrow Y)}}}$.^[7]

Masalan, qoida ${ displaystyle { mathrm {sut, non} } Rightarrow { mathrm {butter} }}$ hukmiga ega ${ displaystyle { frac {1-0.4} {1-0.5}} = 1.2}$, va agar X va Y mustaqil bo'lgan holda, noto'g'ri bashoratlarning kuzatilgan chastotasiga bo'linib ketgan bo'lsa, kutilmaganda X ning Y holda sodir bo'ladigan nisbati (ya'ni qoida noto'g'ri bashorat qiladigan chastota) deb talqin qilinishi mumkin. Ushbu misolda sudlanganlik qiymati 1,2 bu qoidani ko'rsatmoqda ${ displaystyle { mathrm {sut, non} } Rightarrow { mathrm {butter} }}$ agar X va Y o'rtasidagi bog'liqlik tasodifiy tasodif bo'lsa, 20% tez-tez (1,2 marta tez-tez) noto'g'ri bo'ladi.

Qiziqishning alternativ o'lchovlari

Ishonchdan tashqari, ning boshqa choralari qiziqish chunki qoidalar taklif qilingan. Ba'zi mashhur tadbirlar:

• To'liq ishonch^[8]
• Kollektiv kuch^[9]
• Kaldıraç^[10]

Tan va boshqalar tomonidan yana bir qancha chora-tadbirlar keltirilgan va taqqoslangan.^[11] va Xaxler tomonidan.^[5] Foydalanuvchiga ma'lum bo'lgan narsalarni modellashtirishga qodir bo'lgan texnikalarni qidirish (va ushbu modellardan qiziqish o'lchovlari sifatida foydalanish) hozirgi kunda "Sub'ektiv qiziqish" nomi ostida faol tadqiqot tendentsiyasidir.

Jarayon

Tez-tez joylashgan buyumlar panjarasi, bu erda qutining rangi, bitimlarning kombinatsiyasini o'z ichiga olgan qancha tranzaktsiyalarni ko'rsatadi. Shuni unutmangki, panjaraning quyi sathlari, eng kamida, ularning ota-onalarining buyumlarining eng kam sonini o'z ichiga olishi mumkin; masalan. {ac} maksimal darajada bo'lishi mumkin ${ displaystyle min (a, c)}$ buyumlar. Bunga pastga yopilish xususiyati.^[2]

Birlashma qoidalari odatda foydalanuvchi tomonidan belgilangan minimal qo'llab-quvvatlashni va foydalanuvchi tomonidan belgilangan minimal ishonchni bir vaqtning o'zida qondirish uchun talab qilinadi. Uyushma qoidalarini yaratish odatda ikkita alohida bosqichga bo'linadi:

1. Barchasini topish uchun minimal qo'llab-quvvatlash chegarasi qo'llaniladi tez-tez ishlatiladigan buyumlar ma'lumotlar bazasida.
2. Ushbu tez-tez uchraydigan narsalarga qoidalarni shakllantirish uchun minimal ishonch cheklovi qo'llaniladi.

Ikkinchi qadam to'g'ri bo'lsa-da, birinchi qadam ko'proq e'tibor talab qiladi.

Ma'lumotlar bazasida barcha tez-tez uchraydigan elementlarni topish qiyin, chunki barcha mumkin bo'lgan ma'lumotlar to'plamlarini qidirishni o'z ichiga oladi (elementlarning kombinatsiyasi). Mumkin elementlar to'plami quvvat o'rnatilgan ustida ${ displaystyle I}$ va o'lchamga ega ${ displaystyle 2 ^ {n} -1}$ (yaroqsiz ma'lumotlar to'plami bo'lmagan bo'sh to'plam bundan mustasno). Quvvat to'plamining hajmi buyumlar soniga nisbatan keskin o'sib borishiga qaramay ${ displaystyle n}$ yilda ${ displaystyle I}$yordamida samarali qidirish mumkin pastga yopilish xususiyati qo'llab-quvvatlash^[2][12] (shuningdek, deyiladi monotonizmga qarshi^[13]), bu tez-tez elementlar to'plami uchun uning barcha pastki to'plamlari ham tez-tez bo'lishini kafolatlaydi va shuning uchun kamdan-kam uchraydigan ma'lumotlar to'plami tez-tez ma'lumotlar to'plamining pastki qismi bo'lishi mumkin emas. Ushbu xususiyatdan foydalanish, samarali algoritmlar (masalan, Apriori^[14] va Eclat^[15]) barcha tez-tez topiladigan narsalarni topishi mumkin.

Tarix

Assotsiatsiya qoidalari tushunchasi, xususan, 1993 yilda Agrawal va boshqalarning maqolasi tufayli ommalashgan.^[2] 2015 yil avgust holatiga ko'ra Google Scholar ma'lumotlariga ko'ra 18000 dan ortiq havolalarni qo'lga kiritdi va shu bilan Data Mining sohasidagi eng ko'p keltirilgan maqolalardan biridir. Biroq, endi "uyushma qoidalari" deb nomlangan narsa 1966 yilgi maqolada allaqachon kiritilgan^[16] tomonidan ishlab chiqilgan GUHA bo'yicha umumiy ma'lumotlarni qazib olish usuli Petr Xajek va boshq.^[17]

Barcha assotsiatsiya qoidalarini topish uchun (1989 yilga yaqin) minimal qo'llab-quvvatlash va ishonchdan foydalanish bu barcha qoidalarni topgan Xususiyatlarga asoslangan modellashtirish tizimidir. ${ displaystyle mathrm {supp} (X)}$ va ${ displaystyle mathrm {conf} (X Rightarrow Y)}$ foydalanuvchi tomonidan belgilangan cheklovlardan kattaroq.^[18]

Statistik jihatdan ishonchli assotsiatsiyalar

Uyushmalarni kashf etish uchun standart yondashuvning bir cheklovi shundaki, ulangan assotsiatsiyalarning to'plamlarini izlash uchun mumkin bo'lgan birlashmalarning ko'p sonini izlash orqali ko'plab soxta uyushmalarni topish xavfi katta. Bu ma'lumotlar kutilmagan chastotasi bilan birgalikda yuzaga keladigan elementlarning to'plamlari, ammo buni faqat tasodifan amalga oshiradilar. Masalan, biz 10000 ta buyumlar to'plamini ko'rib chiqamiz va chap tomonda ikkita va o'ng tomonda 1 ta elementlardan iborat qoidalarni qidirmoqdamiz. Taxminan 1 000 000 000 000 ta bunday qoidalar mavjud. Agar biz mustaqillik uchun 0,05 ahamiyatga ega bo'lgan statistik testni qo'llasak, bu assotsiatsiya bo'lmasa, qoidani qabul qilishning 5% ehtimoli borligini anglatadi. Agar assotsiatsiyalar yo'q deb hisoblasak, shunga qaramay, biz 50,000,000,000 qoidalarini topishni kutishimiz kerak. Statistik jihatdan aniq birlashma kashfiyoti^[19][20] ushbu xavfni boshqaradi, aksariyat hollarda topish xavfini kamaytiradi har qanday foydalanuvchi tomonidan belgilangan ahamiyatga ega bo'lgan darajadagi soxta birlashmalar.

Algoritmlar

Assotsiatsiya qoidalarini yaratish uchun ko'plab algoritmlar taklif qilingan.

Ba'zi taniqli algoritmlar Apriori, Eclat va FP-Growth, ammo ular ishning faqat yarmini bajaradilar, chunki ular tez-tez topiladigan elementlarni qazib olish algoritmidir. Ma'lumotlar bazasida tez-tez uchraydigan ma'lumotlar to'plamidan qoidalar yaratish uchun yana bir qadam qo'yish kerak.

Apriori algoritmi

Apriori^[14] ma'lumotlar to'plamini qo'llab-quvvatlashni hisoblash uchun birinchi navbatda qidirish strategiyasidan foydalanadi va qo'llab-quvvatlashning yopilish xususiyatidan foydalanadigan nomzod yaratish funktsiyasidan foydalanadi.

Eclat algoritmi

Eklat^[15] (alt. ECLAT, ekvivalentlik sinfining o'zgarishi degan ma'noni anglatadi) a birinchi chuqurlikdagi qidiruv o'rnatilgan kesishma asosida algoritm. Mahalliylikni oshiruvchi xususiyatlarga ega bo'lgan ketma-ket va parallel bajarish uchun javob beradi.^[21][22]

FP-o'sish algoritmi

FP tez-tez naqshni anglatadi.^[23]

Birinchi o'tishda algoritm tranzaktsiyalar ma'lumotlar bazasida elementlarning (atribut-qiymat juftliklari) paydo bo'lishini hisoblaydi va bu hisoblarni "sarlavha jadvali" da saqlaydi. Ikkinchi o'tishda u a-ga operatsiyalarni qo'shish orqali FP-daraxt tuzilishini yaratadi uchlik.

Daraxtni tezda qayta ishlashini ta'minlash uchun har bir operatsiyadagi elementlar ma'lumotlar to'plamidagi chastotalarining kamayish tartibiga ko'ra tartiblangan bo'lishi kerak, chunki har bir operatsiyadagi minimal qo'llab-quvvatlash talablariga javob bermaydigan narsalar bekor qilinadi. FP-daraxt daraxt ildiziga yaqin yuqori siqishni ta'minlaydi.

Asosiy ma'lumotlar to'plamining ushbu siqilgan versiyasini rekursiv ravishda qayta ishlash, nomzodlar elementlarini yaratish va ularni butun ma'lumotlar bazasida sinab ko'rish o'rniga (apriori algoritmida bo'lgani kabi) to'g'ridan-to'g'ri elementlar to'plamini ko'paytiradi.

O'sish sarlavha jadvalining pastki qismidan boshlanadi, ya'ni eng kichik qo'llab-quvvatlanadigan element, ushbu element bilan yakunlangan barcha operatsiyalarni topish orqali. Ushbu elementga qo'ng'iroq qiling ${ displaystyle I}$.

Yangi shartli daraxt yaratiladi, u asl FP-daraxtga proektsiyalangan ${ displaystyle I}$. Rejalashtirilgan daraxtdagi barcha tugunlarning tayanchlari har bir tugun bilan uning bolalari yig'indisi hisoblanganda qayta hisoblanadi. Minimal qo'llab-quvvatlashga mos kelmaydigan tugunlar (va shuning uchun pastki daraxtlar) kesiladi. Rekursiv o'sish hech qanday alohida element shartli bo'lmaganida tugaydi ${ displaystyle I}$ minimal qo'llab-quvvatlash chegarasini qondirish. Olingan yo'llar ildizdan ${ displaystyle I}$ tez-tez buyumlar bo'ladi. Ushbu bosqichdan so'ng, ishlov berish asl FP-daraxtining keyingi eng kam qo'llab-quvvatlanadigan sarlavha elementi bilan davom etadi.

Rekursiv jarayon tugagandan so'ng, barcha tez-tez elementlar to'plamlari topiladi va assotsiatsiya qoidalarini yaratish boshlanadi.^[24]

Boshqalar

ASSOC

ASSOC protsedurasi^[25] tez ishlatiladigan umumiy assotsiatsiya qoidalarini ishlab chiqaradigan GUHA usuli iplar operatsiyalar. Ushbu usul bilan ishlab chiqarilgan assotsiatsiya qoidalari apriori chiqarganga qaraganda ancha umumiydir, masalan, "buyumlar" birlashma va ajratish bilan ham bog'lanishi mumkin va qoidaning oldingi va oqibati o'rtasidagi bog'liqlik quyidagi kabi minimal qo'llab-quvvatlash va ishonchni belgilash bilan cheklanmaydi. apriori: qo'llab-quvvatlanadigan foiz o'lchovlarining o'zboshimchalik bilan kombinatsiyasidan foydalanish mumkin.

OPUS qidiruvi

OPUS - ko'pgina alternativalardan farqli o'laroq, monoton yoki minimal qo'llab-quvvatlash kabi monoton cheklovlarni talab qilmaydigan qoidalarni aniqlashning samarali algoritmi.^[26] Dastlab aniq natijalar uchun qoidalarni topish uchun foydalanilgan^[26][27] keyinchalik har qanday element bilan qoidalarni topish uchun kengaytirildi.^[28] OPUS qidiruvi mashhur Magnum Opus assotsiatsiyasi kashfiyot tizimining asosiy texnologiyasidir.

Lore

Assotsiatsiya qoidalarini qazib olish to'g'risida mashhur hikoya "pivo va bezi" hikoyasidir. Supermarketlar xaridorlarining xatti-harakatlari bo'yicha o'tkazilgan so'rov natijalariga ko'ra, tagliklar sotib olgan xaridorlar (ehtimol yosh erkaklar) ham pivo sotib olishadi. Ushbu latifalar kundalik ma'lumotlardan kutilmagan assotsiatsiya qoidalarini topish mumkinligiga misol sifatida mashhur bo'ldi. Hikoyaning qanchalik haqiqat ekanligi to'g'risida turli xil fikrlar mavjud.^[29] Daniel Pauers shunday deydi:^[29]

1992 yilda Tomas Blishok, chakana savdo bo'yicha konsalting guruhining menejeri Teradata, va uning xodimlari 25 ga yaqin Osco Drug do'konlaridan 1,2 million bozor savati tahlilini tayyorladilar. Qarindoshlikni aniqlash uchun ma'lumotlar bazasi so'rovlari ishlab chiqildi. Tahlillar "soat 17:00 dan 19:00 gacha iste'molchilar pivo va tagliklar sotib olganligini aniqladilar". Osco menejerlari mahsulotlarni javonlarda bir-biriga yaqinlashtirib, pivo va taglik munosabatlaridan foydalana olmadilar.

Uyushma qoidalarini qazib olishning boshqa turlari

Ko'p munosabatlar assotsiatsiyasi qoidalari: Ko'p munosabatlar assotsiatsiyasi qoidalari (MRAR) - bu har bir element bir nechta munosabatlarga ega bo'lishi mumkin bo'lgan assotsiatsiya qoidalari. Ushbu munosabatlar sub'ektlar o'rtasidagi bilvosita munosabatlarni ko'rsatadi. Birinchi element uchta aloqadan iborat bo'lgan quyidagi MRARni ko'rib chiqing yashash, yaqin va nam: "O'sha kim yashash bo'lgan joy yaqin bilan shahar nam iqlim turi va yoshroq 20 dan -> ularning sog'liq holati yaxshi ”. Bunday assotsiatsiya qoidalari RDBMS ma'lumotlaridan yoki semantik veb-ma'lumotlardan olinishi mumkin.^[30]

Qarama-qarshi to'plamni o'rganish assotsiativ ta'lim shaklidir. O'quvchilarning kontrasti pastki to'plamlar bo'yicha taqsimlanishida mazmunli farq qiladigan qoidalardan foydalaning.^[31][32]

Sinflarni og'irlik bilan o'rganish bu ma'lumotni qazib olish natijalari bo'yicha iste'molchini tashvishga soladigan muayyan masalaga e'tiborni qaratish uchun sinflarga og'irlik berilishi mumkin bo'lgan assotsiativ ta'limning yana bir shakli.

Yuqori darajadagi naqshlarni topish murakkab real dunyo ma'lumotlariga xos bo'lgan yuqori tartibli (poletik) naqshlar yoki hodisalar assotsiatsiyasini olishni osonlashtirish.^[33]

K-optimal naqshni kashf qilish har bir naqsh ma'lumotlarda tez-tez ko'rinishini talab qiladigan assotsiatsiya qoidalarini o'rganishga standart yondashuvga alternativa beradi.

Taxminan tez-tez mahsulot to'plami konchilik - bu tez-tez mahsulotlarni qazib olishning bo'shashtirilgan versiyasi, bu qatorlarning ayrim qismlarini 0 ga tenglashtirishga imkon beradi.^[34]

Umumlashtirilgan assotsiatsiya qoidalari iyerarxik taksonomiya (tushuncha iyerarxiyasi)

Kantitativ assotsiatsiya qoidalari kategorik va miqdoriy ma'lumotlar

Intervalli ma'lumotlar assotsiatsiyasi qoidalari masalan. yoshni 5 yillik o'sishga bo'lish

Ketma-ket naqsh qazib olish minsupdan ko'proq uchun odatiy bo'lgan kashfiyotlarni kashf etadi^{[tushuntirish kerak ]} ketma-ketlik ma'lumotlar bazasidagi ketma-ketliklar, bu erda minsup foydalanuvchi tomonidan o'rnatiladi. Ketma-ketlik - bu operatsiyalarning buyurtma qilingan ro'yxati.^[35]

Subspace klastering, ma'lum bir turi Yuqori o'lchovli ma'lumotlarni klasterlash, ko'plab variantlarda, shuningdek, ma'lum klasterlash modellari uchun pastga yopilish xususiyatiga asoslangan.^[36]

Warmr ACE ma'lumotlarini yig'ish to'plamining bir qismi sifatida yuboriladi. Bu birinchi tartibli munosabatlar qoidalari uchun assotsiatsiya qoidalarini o'rganishga imkon beradi.^[37]

Shuningdek qarang

• Ketma-ket qazib olish
• Ishlab chiqarish tizimi (informatika)
• Ta'lim klassifikatori tizimi
• Qoidalarga asoslangan mashinalarni o'rganish

Adabiyotlar

Bibliografiyalar

• Uyushma qoidalari to'g'risida izohli bibliografiya M. Xaxler tomonidan