آموزش قوانین انجمنی در داده‌ کاوی + مفاهیم و پیاده‌سازی الگوریتم‌ها

قوانین انجمنی در داده‌‌کاوی چیست؟ قوانین انجمنی یکی از روش‌های پرکاربرد در داده‌کاوی است که به منظور کشف الگوها و روابط پنهان بین داده‌ها استفاده می‌شود. این قوانین به ما کمک می‌کنند تا در حجم عظیمی از داده‌ها، ارتباطات معناداری را شناسایی کنیم که در نگاه اول قابل مشاهده نیستند. مثال‌های کاربردی قوانین انجمنی: بازاریابی: شناسایی محصولات یا خدماتی که معمولا با هم خریداری می‌شوند. (مثلا، افرادی که شیر می‌خرند، احتمالا نان هم می‌خرند.) ساخت پیشنهادات شخصی‌سازی‌شده برای مشتریان بر اساس الگوهای خرید آن‌ها بانکداری: شناسایی مشتریانی که از چندین محصول یا خدمت بانک استفاده می‌کنند. تشخیص الگوهای کلاهبرداری با بررسی تراکنش‌های غیرعادی تحلیل سبد خرید: تعیین محصولات مکمل و جایگزین برای هر محصول طراحی کمپین‌های تبلیغاتی هدفمند یک قانون انجمنی، یک رابطه بین دو یا چند آیتم را نشان می‌دهد. این رابطه به صورت اگر X، آنگاه Y بیان می‌شود، که در آن X و Y مجموعه‌هایی از آیتم‌ها هستند. به عنوان مثال، قانون اگر شیر، آنگاه نان به این معنی است که مشتریانی که شیر می‌خرند، احتمالا نان هم می‌خرند. اهمیت یادگیری قوانین انجمنی در داده‌‌کاوی چیست؟ قوانین انجمنی به ما کمک می‌کنند تا الگوهای پنهان در داده‌ها را کشف کنیم. با شناسایی این الگوها، می‌توانیم تصمیمات بهتری در زمینه‌های مختلف مانند بازاریابی، مدیریت زنجیره تامین و شخصی‌سازی خدمات بگیریم. این قوانین به ما اجازه می‌دهند تا ارتباطات بین داده‌ها را بهتر درک و از آن‌ها برای بهبود عملکرد کسب‌وکار خود استفاده کنیم. در این فرادرس چه چیزی یاد می‌گیریم؟ در این آموزش یاد خواهیم گرفت که چگونه ارتباطات جالب، الگوهای مکرر و وابستگی‌ها را در میان مجموعه‌ای از اقلام در یک پایگاه داده تراکنشی یا مخازن داده دیگر که در یک زمان اتفاق می‌افتند، استخراج کنیم. برای این منظور با استفاده از زبان برنامه‌نویسی پایتون الگوریتم Eclat را که یکی از متداولترین الگوریتم‌ها برای یافتن الگوهای مکرر است، پیاده‌سازی خواهیم کرد. با کمک این الگوریتم قادر خواهیم بود که الگوهای مکرر و وابستگی‌های جالب میان داده‌ها را استخراج کنیم.

فرادرس

محسن امیرافضلی