एसोसिएशन नियम सीखना क्या है?

एसोसिएशन नियम सीखना एक अनसुपरवाइज्ड लर्निंग तकनीक है जो एक डेटा तत्व की दूसरे डेटा तत्व पर निर्भरता का परीक्षण करती है और तदनुसार मैप करती है ताकि यह अधिक लागत-प्रभावी हो सके। यह डेटासेट के चर के बीच दिलचस्प संबंधों या संघों की खोज करने का प्रयास करता है। यह डेटाबेस में चर के बीच दिलचस्प संबंध खोजने के लिए विभिन्न नियमों पर निर्भर करता है।

महत्व और अनुप्रयोग

एसोसिएशन नियम सीखना मशीन लर्निंग का सबसे महत्वपूर्ण दृष्टिकोण है, और इसका उपयोग मार्केट बास्केट विश्लेषण, वेब उपयोग माइनिंग, निरंतर उत्पादन आदि में किया जाता है। मार्केट बास्केट विश्लेषण में, यह कई बड़े खुदरा विक्रेताओं द्वारा वस्तुओं के बीच संबंध खोजने के लिए उपयोग की जाने वाली एक विधि है।

वेब माइनिंग

वेब माइनिंग को इंटरनेट पर अनुकूलित डेटा माइनिंग विधियों के अनुप्रयोग के रूप में देखा जा सकता है, जबकि डेटा माइनिंग को ज्ञान खोज प्रक्रिया में ज्यादातर संरचित डेटा पर पैटर्न खोजने के लिए एल्गोरिदम के अनुप्रयोग के रूप में परिभाषित किया जाता है।

वेब माइनिंग में विभिन्न डेटा प्रकारों के संग्रह का समर्थन करने का विशिष्ट गुण होता है। वेब के कई पहलू हैं जो माइनिंग प्रक्रिया के लिए कई दृष्टिकोण प्रदान करते हैं, जैसे टेक्स्ट सहित वेब पेज, हाइपरलिंक्स के माध्यम से जुड़े वेब पेज, और वेब सर्वर लॉग्स के माध्यम से निगरानी की जा सकने वाली उपयोगकर्ता गतिविधि।

मार्केट बास्केट विश्लेषण

मार्केट बास्केट विश्लेषण में, ग्राहकों की खरीदारी की आदतों का विश्लेषण किया जाता है उन विभिन्न वस्तुओं के बीच संघ ढूंढकर जो ग्राहक अपने शॉपिंग बास्केट में रखते हैं। ऐसे संघों की खोज करके, खुदरा विक्रेता यह विश्लेषण करके मार्केटिंग विधियाँ बनाते हैं कि उपयोगकर्ताओं द्वारा किन तत्वों को अक्सर एक साथ खरीदा जाता है। यह संघ खुदरा विक्रेताओं को चुनिंदा मार्केटिंग करने और अपने शेल्फ क्षेत्र की योजना बनाने में सहायता करके बिक्री बढ़ा सकता है।

एसोसिएशन नियम सीखने के प्रकार

एप्रोरी एल्गोरिदम (Apriori Algorithm)

यह एल्गोरिदम एसोसिएशन नियम उत्पन्न करने के लिए फ्रीक्वेंट डेटासेट की आवश्यकता होती है। यह लेनदेन वाले डेटाबेस पर काम करने के लिए डिज़ाइन किया गया है। यह एल्गोरिदम ब्रेडथ-फर्स्ट सर्च और हैश ट्री का उपयोग करके आइटमसेट की कुशलता से गणना करता है।

यह आमतौर पर मार्केट बास्केट विश्लेषण के लिए उपयोग किया जाता है और उन उत्पादों को सीखने में मदद करता है जिन्हें एक साथ खरीदा जा सकता है। इसका उपयोग स्वास्थ्य देखभाल क्षेत्र में रोगियों के लिए दवा प्रतिक्रियाओं की खोज के लिए भी किया जा सकता है।

एक्लैट एल्गोरिदम (Eclat Algorithm)

एक्लैट एल्गोरिदम इक्विवैलेंस क्लास ट्रांसफॉर्मेशन का प्रतिनिधित्व करता है। यह लेनदेन डेटाबेस में फ्रीक्वेंट आइटमसेट खोजने के लिए डेप्थ-फर्स्ट सर्च विधि का उपयोग करता है। यह एप्रोरी एल्गोरिदम की तुलना में तेजी से निष्पादन करता है।

एफ-पी ग्रोथ एल्गोरिदम (FP-Growth Algorithm)

एफ-पी ग्रोथ एल्गोरिदम फ्रीक्वेंट पैटर्न का प्रतिनिधित्व करता है। यह एप्रोरी एल्गोरिदम का उन्नत संस्करण है। यह डेटाबेस को एक ट्री संरचना के रूप में प्रस्तुत करता है जिसे फ्रीक्वेंट पैटर्न ट्री कहा जाता है। इस फ्रीक्वेंट ट्री का उद्देश्य सबसे अधिक फ्रीक्वेंट पैटर्न निकालना है।