Краткие итоги

• Поиск ассоциативных правил предполагает установление закономерностей вида: «Если в транзакции встретился набор объектов А, то в этой же транзакции должен присутствовать набор товаров В».

• На множестве объектов может быть задано отношение порядка (последовательность объектов). Обнаружение закономерностей в последовательности позволяет предсказать появление объекта, из анализируемого множества, в заданной позиции.

• Алгоритм Microsoft Association Rules относится к семейству ассоциаций Apriori и используется для нахождения частых наборов объектов (элементов). Этот алгоритм устанавливает наличие частых наборов и генерирует правила взаимосвязей по частым наборам объектов.

• Частым набором называют такой набор, который достаточно популярен в наборе данных. Порог популярности набора определяется при помощи критерия поддержки.

• Поддержка используется для оценки популярности набора элементов. Например, поддержка набора элементов (А, В) есть отношение количества транзакций, содержащих набор (А, В), к общему числу наборов.

Контрольные вопросы

1. При решении задач поиска ассоциативных правил в качестве транзакции рассматривают:

а) свойства объектов входящих в набор;

б) множество обнаруженных зависимостей;

в) набор объектов, элементов или товаров;

г) количество объектов в наборе.

2. Значение поддержки набора при ассоциативном поиске определяют:

а) отношением количества транзакций, содержащих набор, к общему количеству транзакций;

б) отношением количества объектов в наборе к количеству объектов, встречающихся во всех транзакциях;

в) отношением количества объектов в наборе к количеству объектов, встречающихся во всех наборах;

г) отношением общего количества транзакций к количеству транзакций, содержащих набор.

3. Заданный набор объектов называют частым, если:

а) поддержка имеет значение близкое к единице;

б) поддержка не меньше среднего значения всех поддержек;

в) поддержка больше поддержки одноэлементных наборов;

г) поддержка больше заданного минимального значения.

4. Ассоциативные правила имеют следующий вид:

а) поддержка набора А больше поддержки набора В;

б) частота набора А меньше больше частоты набора В;

в) если (условие), то (результат);

г) набор объектов А содержит объекты набора В.

5. Полезность определенного ассоциативного правила оценивается:

а) отношением количества объектов, входящих в наборы правила, к общему количеству объектов;

б) отношением транзакций, поддерживающих правило, к общему количеству транзакций;

в) отношением общего количества объектов к количеству объектов, входящих в наборы правил.

г) отношением общего количества транзакций к количеству транзакций, поддерживающих правило.

Литература

1. Барсегян А.А. Методы и модели анализа данных: OLAP и Data Mining / Барсегян А.А., Куприянов М.С., Степаненко В.В., Холод И.И. – СПб.: БХВ-Петербург, 2004. – 336 с.

2. Microsoft SQL Server 2008: Data mining – интеллектуальный анализ данных. Пер. с англ. / Дж. Макленнен, Чж. Танг, Б. Криват. – БХВ-Петербург. 2009. – 720 с.

3. Ларсон Б. Разработка бизнес-аналитики в SQL Server 2005. – СПб.: Питер, 2008. – 684 с.