اكتشاف الأنماط في بيانات المتاجر
وصف المشكلة
تحليل سلال الشراء لاكتشاف المنتجات التي تُشترى معاً بقواعد الارتباط (Market Basket Analysis). البيانات اصطناعية.
الأهداف
- فهم الدعم والثقة والرفع
- استخراج قواعد ذات معنى
- تحويل القواعد إلى قرارات عملية
نوع المشكلة
قواعد ارتباط Association Rules
مجموعة البيانات
الأدوات المستخدمة
الخوارزميات
خطوات التنفيذ
- في WEKA: افتح store-baskets-synthetic.arff ← Associate ← Apriori، واضبط lowerBoundMinSupport = 0.1 وminMetric = 0.5.
- في KNIME: CSV Reader ← تحويل الأعمدة الثنائية إلى مجموعة عناصر ← Association Rule Learner.
- في Orange: تحتاج إضافة Associate (Frequent Itemsets ثم Association Rules).
- رتب القواعد حسب Lift واستبعد ما رفعه أقل من 1.
مخطط سير العمل
قراءة البياناتمعالجة وتحويلنموذج / خوارزمية
Orange
↔ اسحب المخطط أفقياً لرؤيته كاملاً.
الاتصالات نصاً (2)
- File → Frequent Itemsets
- File → Association Rules
KNIME
↔ اسحب المخطط أفقياً لرؤيته كاملاً.
الاتصالات نصاً (3)
- CSV Reader → Create Bit Vector
- Create Bit Vector → Association Rule Learner
- Association Rule Learner → Sorter
ملفات المشروع
- مجموعة البيانات CSVCSV21.5 كيلوبايت
- ملف WEKA بصيغة ARFFWEKA ARFF33.6 كيلوبايت
- النتائج المرجعية المحسوبة (CSV)نتائج359.0 بايت
- دليل التنفيذ خطوة بخطوة (PDF)PDF313.0 كيلوبايت
- حزمة المشروع كاملة (ZIP)ZIP258.3 كيلوبايت
ملفات KNIME Workflow بصيغة KNWF غير مرفقة في هذا الإصدار لأننا لم نبنها ونختبرها داخل KNIME نفسها؛ مخطط عُقد KNIME مرسوم أعلاه لتبنيه بنفسك.
النتائج
نتائج فعلية محسوبة على الملفات المرفقة
• إذا جبن ← بيض: الدعم 0.177، الثقة 0.922، الرفع 2.779
• إذا بيض ← جبن: الدعم 0.177، الثقة 0.533، الرفع 2.779
• إذا زبدة ← حليب: الدعم 0.117، الثقة 0.897، الرفع 2.679
• إذا سكر ← شاي: الدعم 0.232، الثقة 0.927، الرفع 2.673
• إذا شاي ← سكر: الدعم 0.232، الثقة 0.668، الرفع 2.673
• إذا خبز ← حليب: الدعم 0.325، الثقة 0.593، الرفع 1.769
مقاييس التقييم
- Support
- Confidence
- Lift
تفسير النتائج
قاعدة «جبن ← بيض» ثقتها عالية ورفعها 2.78، أي أن احتمال شراء البيض مع الجبن أعلى بكثير من المعتاد. أما القواعد التي رفعها أقل من 1 فثقتها العالية مضللة لأن المنتج التالي شائع أصلاً.
أسئلة للمناقشة
- لماذا قد تكون قاعدة بثقة 0.5 عديمة الفائدة؟
- كيف تستخدم هذه القواعد في ترتيب الرفوف أو العروض؟
- ما أثر خفض الحد الأدنى للدعم إلى 0.02؟
