Apply Association Rules

詳細

この演算子は、アソシエーションルールの少なくとも1つの結論で発生する各アイテムの新しい信頼属性を作成します。次に、例がルールの前提条件を満たしているかどうか、各例および各ルールをチェックし、前提条件内のすべてのアイテムをカバーしているかどうかを確認します。アイテムを表す属性に正の値が含まれる場合、アイテムがカバーされます。チェックが正の場合、結論の各項目の信頼値が導出されます。どの値が使用されるかは、選択した信頼性集計方法によって異なります。 2つのタイプがあります。バイナリ選択では、満たされたルールの結論内に含まれるアイテムに対して1が設定されます。これは、ルールの信頼度とは無関係です。集計を選択すると、選択した信頼関数の前の値と新しい値の最大値が選択されます。

アソシエーションルールは、一見無関係なデータ間の関係を明らかにするのに役立つif / thenステートメントです。関連付けルールの例は、「顧客が卵を購入した場合、80％が牛乳も購入する可能性が高い」です。アソシエーションルールには、前件（if）と後件（then）の2つの部分があります。前件または前提は、データ内で見つかったアイテム（またはアイテムセット）です。結果または結論は、前件との組み合わせで見つかったアイテム（またはアイテムセット）です。

相関ルールは、相関ルールの作成演算子を使用して作成できます。アソシエーションルールは、頻繁なif / thenパターンのデータを分析し、最も重要な関係を識別するための基準サポートと信頼性を使用して作成されます。サポートは、アイテムがデータベースに表示される頻度を示します。信頼度は、if / thenステートメントが真であると判明した回数を示します。頻繁なif / thenパターンは、FP-Growth演算子などの演算子を使用してマイニングされます。関連付けルールの作成演算子は、これらの頻繁なアイテムセットを取得して、関連付けルールを生成します。

そのような情報は、プロモーション価格や製品の配置などのマーケティング活動に関する決定の基礎として使用できます。マーケットバスケット分析の上記の例に加えて、今日では、Web使用マイニング、侵入検知、バイオインフォマティクスなど、多くのアプリケーション分野で関連付けルールが採用されています。