28. Асоціативні правила в сппр.

Одним з поширених аналітичних методів є аффінітівний аналіз (англ. affinityanalysis). Назва методу походить від англійського слова affinity – близькість, схожість. Метою даного методу є дослідження взаємного зв’язку між подіями, що відбуваються одночасно. Одним із різновидів аффінітивного аналізу є аналіз ринкового кошику (англ. marketbasketanalysis),мета якого – виявити асоціації між різними подіями, тобто знайти правила кількісного описувзаємозв’язку між двома та більше подіями. Такі правила називають асоціативними правилами (англ. associationrules).

Прикладами застосування асоціативних правил на практиці є наступні задачі:

Базовим поняттям в теорії асоціативних правил є транзакція – деяка множина подій, що відбуваються одночасно. Типовою транзакцією є придбання клієнтом товарів в супермаркеті. В переважній більшості клієнт купує не один товар, а деякий набір товарів, який і називається ринковим кошиком. При цьому виникає питання: чи є покупка одного товару в корзині наслідком або ж причиною купівлі іншого товару, тобто чи є дані події зв’язаними? Цей зв’язок і встановлюють асоціативні правила.

Асоціативне правило складається з двох наборів предметів, що називають умовою(англ. antecedent) і наслідком (англ. consequent) і записується це у вигляді X →Y , що читається «з X слідує Y ». Таким чином, асоціативне правило формулюється у вигляді «Якщо умова – то наслідок».

29. Кількісні показники якості асоціативних правил.

Асоціативні правила характеризуються наступними показниками:

1. Показник підтримки асоціативного правила – це число транзакцій, які містять як умову, так і наслідок.

S (A→B)=Кількість транзакцій що містить A та B / Загальна кількість транзакцій

2. Показник достовірності асоціативного правила A→ B є мірою точності правила і визначається як відношення кількості транзакцій, що містять як умову, так і наслідок, до кількості транзакцій, що містять тільки умову, тобто:

C (A→B)=Кількість транзакцій що містить A та B/ Кількість транзакцій що містить лише А

3. Ліфт – це відношення частоти появи умови в транзакціях, які також містять і наслідок, до частоти появи наслідку в цілому. Значення ліфту більші за одиницю показують, що умова частіше з’являється в транзакціях у парі з наслідком, ніж самостійно. Можна сказати, що ліфт є узагальненою мірою зв’язку двох наочних наборів: при значеннях ліфта >1 зв’язок позитивний, при 1 він відсутній, а при значеннях <1 – негативний.

L(A→ B) = C(A→ B)/ S(B)

4. Левередж– це різниця між підтримкою асоціації (тобто, частотою, з якою умова та наслідок з’являються спільно в транзакції ), і добутком підтримки умови та наслідку окремо.

T(A→ B) = S(A→ B)− S(A)⋅ S(B)

30. Нейронні мережі в сппр.

Штучні нейронні мережі (далі просто нейронні мережі), подібно до біологічних, є обчислювальною системою з величезним числом паралельно функціонуючих простих процесорів та безліччю зв’язків.

Побудова мережі вирішується в два етапи:

1. Вибір типу (архітектури) нейронної мережі.

2. Підбір ваг (навчання) нейронної мережі.

До найбільш розповсюджених алгоритмів побудови нейронних мереж відносяться:

1. ПерцептронРозенблата.

2. Багатошаровий перцептрон.

3. Мережа Джордана.

4. Мережа Елмана.

5. Мережа Хемінга.

6. Мережа Кохонена тощо.

До особливостей нейронних мереж слід віднести наступні ознаки:

1. Конекціонізм - глобальність зв’язків.

2. Локальність і паралелелізм.

3. Навчання.

4. «Чорний ящик».

Практичне застосування: економіка та бізнес (прогнозування), медицина (моніторинг, діагностика, факторний аналіз), авіація (механізм авто пілотажу) та інші.