سؤال (عن الــ Association Rules الناتجة من خوارزمية Apriori في برنامج Weka)

السلام عليكم ..

1. يرجى اختيار عنوان مناسب في المرات القادمة ... (تم تعديله) .
2. ملاحظة : المعلومات الواردة هي تجميع من بعضض المواقع و حسب ما اتذكره من المنهج , (فهي تحتمل الخطأ و الصواب) .
3. أنتم بحاجة لمذاكرة الـــ Association rules بشكل جيد من الكتاب ...
4. الناتج من الخوارزمية هو الـــ Association rules مع الـــ measures (مقاييس خاصة بالـــ rule) .
5. ماقبل الرمز (<==) يسمى LHS اختصارا لـــ Left hand side (الجزء الأيسر) و الجزء الآخر هو RHS اختصارا لــ right hand side (الجزء الأيمن) . أحيانا تختصر لــ (L , R) .
6. الرقم على اليسار يدل على العدد لعناصر الجزء الأيسر مثلا في السطر الخامس :

   prdcode=Gasoil ExtremeValue=no 813

   هذا يعني أنه لدينا 813 عنصر (سجل) كانت فيها قيمة الـــ prdcode هي Gasoil (و) قيمة الــ ExtremeValue هي no (معا). يرجى التركيز على الــ (و) و الـــ (معا) اللتلان بين أقواس .

7. الرقم على اليمين يدل على العدد لعناصر الـجزء الأيمن مثلا في السطر الخامس :

   Outlier=no 813

   يعني أنه لدين 813 سجل كان فيها قيمة الــ ExtremeValue=no من أصل الـــ 813 الموجودة على اليسار ... (و ليس في كل البيانات) .

8. تذكرة : إذا كانت X هي مجموعة من العناصر (Item set ) فأن معامل الدعم Support لـــ X هو :

    Supp(X)

   هواحتمال الحصول على العناصر الموجوة في X كلها مع بعضها.

9. 
10. لو كانت X هي {milk,bread,butter} فإن الـــ

    supp(X) = 1/5

11. الرمز conf هو الــ confidence للــ rule (معامل الثقة) و يحسب:

    conf(X => Y) = supp( X u Y) / supp(X)

    لاحظ قيمة الــ Conf كلها 1 .

12. الرمز lift هو معامل الــ lift و يحسب بالعلاقة :

    lift (X => Y) = supp( X u Y) / supp(X) * supp(Y)

13. الرمز lev هو معامل الــ leverage و يحسب بالعلاقة :

    leverage = Pr(L,R) - Pr(L).Pr(R).

14. الرمزconv هو معامل الــ conviction و يحسب بالعلاقة :

    conviction = Pr(L).Pr(not R) / Pr(L,R).

15. حساب الاحتمال Pr يحسب بعدد الحالات المطلوبة مقسوما على عدد الحالات الكلي .
16. /Weka/associate.html
17. Association_rule_learning
18. رابط.

السلام عليكم جزاك الله خير ........

انا فهمت ال Association Rule و هي تبحث عن علاقات وإرتباطات موجودة بين عدة خصائص في قاعدة البيانات

ومن فهمي لهذه القوانين انو اكثر المنتجات(prdcode) تسويقا هي (gasoil) واكثر المواقع (CGA) هل ذا صحيح ام لا

وانا كنت عايزة أعرف العلاقات في القوانين الوضعتها سابقا>>>>> وشكرا

السلام عليكم ...

و جزاكم الله خيرا ..

اقتبس من الويكيبيديا :

اقتباس

association rule learning is a popular and well researched method for discovering interesting relations between variables in large databases.

أي أن الـــ association rules هي طريقة لاكتشاف العلاقات المهمة بين المتحولات (هي أعمدة الجدول أو الـــ Attributes) في قواعد البيانات الكبيرة ..

اقتباس

For example, the rule {onions, potatoes} => {burger} found in the sales data of a supermarket would indicate that if a customer buys onions and potatoes together, he or she is likely to also buy hamburger meat

إذا الـــ Association rules لا تعطينا المنتج الأكثر مبيعا , لإن إيجاد المنتح الأكثر مبيعا سهل جدا في قواعد البيانات باستخدام sql : مثلا :

SELECT TOP 1 ProdName, COUNT(ProdName) 
FROM Sales
Group By ProdName
ORDER BY COUNT(ProdName) DESC;

و قديكون المنتج أكثر مبيعا , لكنه غير ظاهر في الــ Rules (لو كان المنتج الأكثر مبيعا يباع في أماكن مختلفة , فلا ترابط بين الموقع و المنتج و ربما منتج أقل مبيعا و لكن يباع في أماكن محددة , فيكون هناك ترابط بين هذا المنتج و الموقع) .

بالنسبة للعلاقات , فقسم منها بوضوح في كتاب (Data Mining Concepts and Techniques) على ما أذكر ..