Nicel Birliktelik Kuralları İçin Çoklu Minimum Destek Değeri

Year 2017, Volume: 29 Issue: 2, 57 - 65, 01.10.2017

Yalçın Ateş Murat Karabatak

Abstract

Veri Madenciliği, sayısal ortamlarda biriken verilerden anlamlı ve faydalı bilgiler elde etmek için son yıllarda yoğun olarak kullanılan bir çalışma alanıdır. Birliktelik Kuralı ise veriler arasındaki ilişkileri ortaya çıkarmak için kullanılan Veri Madenciliği tekniklerinden biridir. Birliktelik kuralı problemi, ilk olarak 1993 yılında Agrawal ve arkadaşları tarafından ele alınmıştır. Birliktelik kuralı uygulam

alarında kullanılan destek ve güven değerleri bu yöntemin en önemli iki parametresidir. Ancak nicel değerlere sahip veri setlerinde destek değerinin belirlenmesi sorun oluşturabilmektedir. Minimum destek değerinin uygun seçilememesi, veri setindeki ilginç ve değerli bazı kuralların ya üretilememesine ya da değerli olmayan çok sayıda gereksiz kural üretilmesine neden olmaktadır. Bu çalışmada, nicel veri setleri üzerinde destek değerinin seçilmesi sorununu giderebilmek için çoklu destek değeri kullanan yeni bir yaklaşım önerilmektedir.

Keywords

Birliktelik Kuralı, Minimum Destek, Çoklu Minimum Destek

References

• 1. Akpınar, H., (2000), Veri tabanlarında bilgi keşfi ve veri madenciliği, İ.Ü. İşletme Fakültesi Dergisi, 29, 1-22.
• 2. Özkan, Y., (2008), Veri Madenciliği Yöntemleri, Papatya Yayıncılık, İstanbul.
• 3. Agrawal, R., Imielinski, T., Swami, A., (1993) Mining association rules between sets of items in large databases, In ACM SIGMOD Conf. Management of Data, 22, 207-216.
• 4. Agrawal, R. and Srikant, R., (1994), Fast algorithms for mining association rules, Proceeding of the 20th Int. Conference on Very Large Database, VLDB, 1215, 1994.
• 5. Manila, H., Toivonen, H., Verkamo, A.I., (1994) Efficient algorithms for discovering association rules. In Proceedings of AAAI’94 Workshop on Knowledge Discovery in Databases (KDD’94), 181-192, Seattle, Washington, USA.
• 6. Houtsma, M., Swami, A., (1995), Set-Oriented mining for association rules in relational databases, Proceedings of the 11th IEEE International Conference on DataEngineering, 25-34, Taipei, Taiwan,
• 7. Savasere, A., Omiecinski, E., Navathe, S.B., (1998), Mining for strong negative associations in a large database of customer transaction, In Proceedings of the 14nd International Conference on Data Engineering, 494-502, Orlando, Florida, USA.
• 8. Holsheimer, M., Kertsen, M., Manila, H., Toivonen, H., (1995), A perspective on databases and data mining, Proceeding of 1st International Conference on Knowledge and Data Mining, 150-155, Montreal, Kanada.
• 9. Han, J., Fu, Y., (1995), Discovery of multiple-level association rules from large Databases, Proceedings of the 21nd International Conference on Very Large Databases, 420-431, Zurich, İsviçre.
• 10. Srikant, R., Vu, Q., Agraval, R., (1997), Mining association rules with item constraints, In Proceeding of 3rd International Conference on Knowledge Discovery and Data Mining, California, USA.
• 11. Srikant, R., Agrawal, R., (1996), Mining quantitative association rules in large relational tables, In Proceedings of the 1996 ACM SIGMOD International Conference on Management of Data, 1-12, Montreal, Quebec, Kanada.
• 12. Agrawal, R., Srikant, R., (1995), Mining sequential patterns, In Proceedings of the 11th IEEE International Conference on Data Engineering, Taipei, Taiwan, IEEE Computer Society Press.
• 13. Cai, C.H., Fu, A.W.C., Cheng, C.H., Kwong, W.W., (1998), Mining association rules with weighted items, In Proceedings of 1998 International Database Engineering and Applications Symposium, 68-77, Cardiff, Wales.
• 14. Chen, Chun-Hao, et al., (2016), Mining fuzzy temporal association rules by item lifespans. Applied Soft Computing, 41, 265-274.
• 15. Gosain, A., Maneela B., (2013), A comprehensive survey of association rules on quantitative data in data mining, Information & Communication Technologies (ICT), IEEE Conference on.
• 16. Ouyang, W., (2012), Mining positive and negative fuzzy association rules with multiple minimum supports. In Systems and Informatics (ICSAI), 2012 International Conference on (pp. 2242-2246). IEEE.
• 17. Lee, Y. C., Hong, T. P., & Lin, W. Y., (2005), Mining association rules with multiple minimum supports using maximum constraints. International Journal of Approximate Reasoning, 40(1), 44-54.
• 18. Zhao, Y., Sourav S. B., (2015), Association Rule Mining with R. A Survey Nanyang Technological University, Singapore.
• 19. Berry, M. J., Linoff, G., (1997), Data mining techniques: for marketing, sales, and customer support. John Wiley & Sons, Inc..
• 20. Sever, H., Oğuz B., (2003), Veri Tabanlarında Bilgi Keşfine Formel Bir Yaklaşım Kısım I: Eşleştirme Sorguları ve Algoritmalar, Bilgi Dünyası 3(2), 173-204.