قواعد الارتباط
Association Rules (Apriori)
التعريف
يكتشف قواعد من نوع «إذا اشترى العميل A فغالباً يشتري B» من سجلات المعاملات.
الفكرة الأساسية
نبحث أولاً عن المجموعات المتكررة Frequent Itemsets التي يتجاوز دعمها حداً أدنى، ثم نولد منها قواعد تتجاوز حداً أدنى للثقة. خوارزمية Apriori تستخدم أن أي مجموعة متكررة كل مجموعاتها الجزئية متكررة.
آلية العمل
- نحدد الحد الأدنى للدعم Support
- نجد العناصر المتكررة ثم الأزواج ثم الثلاثيات…
- نولد القواعد ونحسب الثقة Confidence والرفع Lift
- نرتب القواعد ونفسرها
نوع البيانات ونوع المشكلة
| نوع البيانات | معاملات (سلال شراء) أو جدول ثنائي |
|---|---|
| نوع المشكلة | قواعد ارتباط |
المزايا
- نتائج مفهومة مباشرة لأصحاب الأعمال
- لا تحتاج عمود هدف
القيود
- عدد القواعد قد ينفجر مع دعم منخفض
- الارتباط لا يعني السببية
المعاملات المهمة
- الحد الأدنى للدعم
- الحد الأدنى للثقة
- أقصى طول للقاعدة
مقاييس التقييم
- Support الدعم
- Confidence الثقة
- Lift الرفع (>1 يعني ارتباطاً إيجابياً)
الأدوات التي تدعمها
| Orange | Frequent Itemsets وAssociation Rules (من إضافة Associate) |
|---|---|
| KNIME | Association Rule Learner |
| WEKA | associations.Apriori |
أمثلة تطبيقية
- تحليل سلة السوق
- ترتيب المنتجات على الرفوف
- اقتراح منتجات مكملة
