एसोसिएशन रूल लर्निंग एक प्रकार की अप्रशिक्षित शिक्षण तकनीक है जो एक डेटा तत्व के दूसरे डेटा तत्व पर निर्भरता के लिए परीक्षण करती है और उचित रूप से डिज़ाइन करती है ताकि यह अधिक लागत प्रभावी हो सके। यह डेटासेट के चरों के बीच कुछ दिलचस्प संबंधों या संघों की खोज करने का प्रयास करता है। डेटाबेस में वेरिएबल के बीच दिलचस्प संबंध खोजने के लिए यह विभिन्न नियमों पर निर्भर करता है।
एसोसिएशन रूल लर्निंग मशीन लर्निंग का सबसे महत्वपूर्ण तरीका है, और इसे मार्केट बास्केट एनालिसिस, वेब यूसेज माइनिंग, निरंतर उत्पादन आदि में नियोजित किया जाता है। मार्केट बास्केट एनालिसिस में, यह कई बड़े रिटेलर्स द्वारा इस्तेमाल किया जाने वाला दृष्टिकोण है। आइटम।
वेब माइनिंग को इंटरनेट के लिए अनुकूलित डेटा माइनिंग विधियों के अनुप्रयोग के रूप में देखा जा सकता है, हालाँकि डेटा माइनिंग को एल्गोरिथम के अनुप्रयोग के रूप में परिभाषित किया जाता है, जो ज्ञान की खोज प्रक्रिया में तय किए गए ज्यादातर संरचित डेटा पर पैटर्न की खोज करता है।
कई डेटा प्रकारों के संग्रह का समर्थन करने के लिए वेब माइनिंग की एक विशिष्ट संपत्ति है। वेब में कई पहलू हैं जो खनन प्रक्रिया के लिए कई दृष्टिकोण उत्पन्न करते हैं, जैसे टेक्स्ट सहित वेब पेज, वेब पेज हाइपरलिंक के माध्यम से जुड़े हुए हैं, और उपयोगकर्ता गतिविधि की निगरानी वेब सर्वर लॉग के माध्यम से की जा सकती है।
बाजार टोकरी विश्लेषण में, ग्राहकों की खरीदारी की आदतों का विश्लेषण उन विभिन्न वस्तुओं के बीच संबंध ढूंढकर किया जाता है जिन्हें ग्राहक अपने शॉपिंग बास्केट में रखते हैं। ऐसे संघों की खोज करके, खुदरा विक्रेता यह विश्लेषण करके विपणन विधियों का उत्पादन करते हैं कि कौन से तत्व अक्सर उपयोगकर्ताओं द्वारा खरीदे जाते हैं। यह जुड़ाव खुदरा विक्रेताओं को उनके शेल्फ क्षेत्र के लिए चयनात्मक विपणन और योजना बनाने में सहायता करके बिक्री में वृद्धि कर सकता है।
एसोसिएशन रूल लर्निंग के प्रकार
एसोसिएशन रूल लर्निंग के निम्न प्रकार हैं जो इस प्रकार हैं -
अप्रियोरी एल्गोरिथम - इस एल्गोरिथम को एसोसिएशन नियम बनाने के लिए लगातार डेटासेट की आवश्यकता होती है। यह डेटाबेस पर काम करने के लिए डिज़ाइन किया गया है जिसमें लेनदेन शामिल हैं। आइटमसेट की कुशलता से गणना करने के लिए इस एल्गोरिथम को चौड़ाई-प्रथम खोज और हैश ट्री की आवश्यकता है।
यह आम तौर पर बाजार टोकरी विश्लेषण और उन उत्पादों को सीखने के लिए समर्थन के लिए उपयोग किया जाता है जिन्हें एक साथ खरीदा जा सकता है। इसका उपयोग स्वास्थ्य देखभाल क्षेत्र में रोगियों के लिए दवा प्रतिक्रियाओं की खोज के लिए किया जा सकता है।
एक्लैट एल्गोरिथम - एक्लैट एल्गोरिथम समतुल्यता वर्ग परिवर्तन का प्रतिनिधित्व करता है। लेन-देन डेटाबेस में लगातार आइटमसेट खोजने के लिए इस एल्गोरिदम को गहराई से पहली खोज विधि की आवश्यकता होती है। यह एप्रीओरी एल्गोरिथम की तुलना में त्वरित निष्पादन को लागू करता है।
F-P ग्रोथ एल्गोरिथम - एफपी ग्रोथ एल्गोरिथम फ़्रीक्वेंट पैटर्न का प्रतिनिधित्व करता है। यह एप्रीओरी एल्गोरिथम का उन्नत संस्करण है। यह एक ट्री स्ट्रक्चर के रूप में डेटाबेस का वर्णन करता है जिसे फ़्रीक्वेंट पैटर्न या ट्री के रूप में संदर्भित किया जाता है। इस बार-बार आने वाले पेड़ का उद्देश्य सबसे अधिक बार-बार होने वाले पैटर्न को निकालना है।