एसोसिएशन नियम का कार्य
एसोसिएशन नियम सीखना अनसुपरवाइज्ड लर्निंग विधियों का एक प्रकार है जो एक डेटा तत्व की दूसरे डेटा तत्व पर निर्भरता का परीक्षण करता है और तदनुसार बनाता है ताकि यह अधिक प्रभावी हो सके। यह डेटासेट के चरों के बीच कुछ दिलचस्प संबंधों या संबंधों की खोज करने का प्रयास करता है। यह डेटाबेस में चरों के बीच दिलचस्प संबंधों को खोजने के लिए कई नियमों पर निर्भर करता है।
एसोसिएशन नियम सीखना मशीन लर्निंग की महत्वपूर्ण तकनीक है, और इसे मार्केट बास्केट विश्लेषण, वेब उपयोग खनन, निरंतर उत्पादन, आदि में नियोजित किया जाता है। मार्केट बास्केट विश्लेषण में, यह कई बड़े खुदरा विक्रेताओं द्वारा आइटम्स के बीच संबंधों को खोजने के लिए पर्याप्त रूप से उपयोग किया जाता है।
मार्केट बास्केट विश्लेषण में कार्य
मार्केट बास्केट विश्लेषण में, उपयोगकर्ताओं की खरीदारी की आदतों का विश्लेषण उन विभिन्न आइटम्स के बीच संबंधों की खोज करके किया जाता है जो उपयोगकर्ता अपने शॉपिंग बास्केट में रखते हैं। ऐसे संबंधों को खोजकर, खुदरा विक्रेता यह विश्लेषण करके मार्केटिंग दृष्टिकोण बनाते हैं कि कौन से घटक आमतौर पर उपयोगकर्ताओं द्वारा खरीदे जाते हैं। यह संबंध खुदरा विक्रेताओं को चुनिंदा मार्केटिंग करने और उनकी शेल्फ स्पेस के लिए डिज़ाइन करने में सक्षम करके बिक्री बढ़ाने के लिए प्रभावित कर सकता है।
मल्टी-लेवल एसोसिएशन के लिए प्रसिद्ध अनुप्रयोग क्षेत्र मार्केट बास्केट विश्लेषण है, जो उन आइटम्स के समूहों की खोज करके उपयोगकर्ताओं की खरीदारी की आदतों को समझता है जो अक्सर एक साथ खरीदे जाते हैं, जिसे अवधारणा पदानुक्रम की धारणा में दिखाया गया था।
एसोसिएशन नियम एक या अधिक उत्पादों या सेवा प्रदान करने वाले लेनदेन से शुरू होते हैं और लेनदेन के बारे में कुछ प्राथमिक डेटा। विश्लेषण के उद्देश्यों के लिए, उत्पादों और सेवा प्रदान को आइटम्स के रूप में जाना जाता है।
इन लेनदेन का उपयोग केवल खरीदे गए आइटम्स को शामिल करने के लिए किया गया है। तारीख और समय और चाहे उपयोगकर्ताओं ने नकद या क्रेडिट कार्ड से भुगतान किया हो, जैसे डेटा का उपयोग कर सकते हैं।
प्रत्येक लेनदेन हमें इस बारे में डेटा देता है कि कौन से उत्पाद किन अन्य उत्पादों के साथ खरीदे जाते हैं। यह एक को-एपीयरेंस तालिका में प्रदर्शित होता है जो बताता है कि किसी जोड़ी उत्पाद को कितनी बार एक साथ खरीदा गया था।
ये अवलोकन संबंधों के उदाहरण हैं और एक औपचारिक नियम का सुझाव दे सकते हैं जैसे कि यदि उपयोगकर्ता सोडा खरीदता है, तो उपयोगकर्ता संतरे का रस भी खरीदता है। डेटा में, पांच लेनदेन में से दो में सोडा और संतरे का रस दोनों शामिल हैं। ये दो लेनदेन नियम प्रदान करते हैं। नियम के लिए समर्थन पांच में से दो या 40 प्रतिशत है।
चूंकि सोडा शामिल करने वाले दोनों लेनदेन में संतरे का रस भी शामिल है, इसलिए नियम में उच्च डिग्री का विश्वास भी है। क्योंकि सोडा शामिल करने वाले तीन लेनदेन में से दो में संतरे का रस भी शामिल है, इसलिए नियम "यदि सोडा, तो संतरे का रस" का विश्वास 67 प्रतिशत है। व्युत्क्रम नियम, "यदि संतरे का रस, तो सोडा," का विश्वास कम है।
