Association Rule

Association rule datamining teknikleri içinde birliktelik kurallarını belirlemek için kullanılır. Özellikle Perakende sektöründe Sepet Analizi için idealdir.  Amaç aşağıdaki gibi bir sonuca ulaşmaktır.

{PANTOLON, SWEAT} => {GÖMLEK}

Bu sonuca ulaşmak için yöntem tüm olası durumlar için hesaplamalar yapabilir. Sonuç kümesi olarak sadece doğruluğu ve değeri yüksek sonuçlar kullanılır.

Üzerinde çalışılacak tüm terimler için;

 I ={terim1 , terim2, .... } şeklindedir.   

Bu Terimlerden oluşan her bir Set sistemin veri kaynağıdır.

D = {set1 , set2 , set3 ..... } 

her bir set I kümesinin bir  alt eşit kümesi olabilir. 

Amaç 

 X => Y sonucuna ulaşmaktır. 

Burada  X ve Y kümeleri I Kümesinin alt kümeleri ve X kesişim Y = boş küme olmalıdır.

 İlgili şartlar altında tüm durumlar için üç değer belirlenir;

support (destek) :    supp şeklinde de geçer.

supp = (X U Y kümesini içeren Set sayısı) / (Toplam Set Sayısı)

Dolayısıyla Support değeri ilgili değerin toplam set içindeki oranını verir.

confidence (güven):  conf şeklinde de geçer.

conf =  (X U Y kümesini içeren Set sayısı) / (X kümesini içeren Set sayısı)

Bu da X terimlerini içeren Set ler içinde Y 'ninde olduğu Set lerin oranını verir.

Aşağıdaki Sonuç kümesini için;

1. satır  "Bir Sepette Pantalon ve Sweat , Gömlek olması tüm sepetlerin %1'inde görülmektedir. Pantalon ve Sweat içeren sepetlerin ise %47 ' sinde Gömlek vardır." anlamı çıkar.
5. satır "Sepette Pantalon ve Gömlek olması tüm sepetlerin %3.3'ünde görülmektedir. İçinde Pantrol olan sepetlerin  %30 'unda ise Gömlek de vardır.

	lhs		rhs	support	confidence	lift
1	{PANTOLON,
	SWEAT}	=>	{GÖMLEK}	0.010489	0.470527	2.123
2	{TRİKO,
	SWEAT}	=>	{GÖMLEK}	0.010627	0.410873	1.8542
3	{GÖMLEK,
	TRİKO}	=>	{SWEAT}	0.010627	0.371474	2.4407
4	{GÖMLEK,
	PANTOLON}	=>	{SWEAT}	0.010489	0.316852	2.0818
5	{PANTOLON}	=>	{GÖMLEK}	0.033104	0.307297	1.3868

The R uygulaması kullanılarak Association rule kullanımı ayrıca anlatılacak.