アソシエーション分析とは何ですか?
質問者:Jaswant Offner |最終更新日:2020年6月24日
カテゴリ:テクノロジーとコンピューティング人工知能
アソシエーション分析は、巨大なデータセット間の関係を発見することです。サポートは、ルールがデータセットに適用される頻度を決定し、信頼性は、Xを含むトランザクションにYのアイテムが表示される頻度を決定します。
簡単に言えば、連想分析とは何ですか?連想グループ分析(AGA)は、文化や信念体系間の類似点と相違点を評価するために主観的な意味と画像に焦点を当てて、人々の心象表現を分析するための推論的アプローチです。
また、アソシエーションルールとはどういう意味ですか?アソシエーションルールは、さまざまなタイプのデータベースの大規模なデータセット内のデータ項目間の関係の確率を示すのに役立つif-thenステートメントです。アソシエーションルールマイニングには多くのアプリケーションがあり、トランザクションデータまたは医療データセットの売上相関を発見するために広く使用されています。
人々はまた、例との相関ルールとは何ですか?
アソシエーションルール。アソシエーションルールマイニングは、データアイテムの大規模なセット間の興味深いアソシエーションと関係を見つけます。このルールは、トランザクションでアイテムセットが発生する頻度を示します。典型的な例は市場ベースの分析です。
教師なし学習における関連とは何ですか?
アソシエーションルールまたはアソシエーション分析も、データマイニングの重要なトピックです。これは教師なしの方法であるため、ラベルのないデータセットから始めます。ラベルのないデータセットは、正しい答えを与える変数のないデータセットです。アソシエーション分析は、異なるエンティティ間の関係を見つけようとします。
39関連する質問の回答が見つかりました
サポートリフトと自信とは何ですか?
ルール1の場合:サポートによると、顧客の67%がミルクとチーズを購入しました。ミルクを購入した顧客の100%がチーズも購入したという自信があります。リフトは、誰かがミルクを購入したことを知っているときに、誰かがチーズを購入するという期待が28%増加したことを表しています。
アソシエーションルールマイニングのアプリケーションは何ですか?
アソシエーションルールマイニングは、データベースにエンコードされたトランザクション間のアソシエーションを検出しようとします。医療診断、GIS、リレーショナルデータベース、大規模データベース、分散データベースなど、さまざまなアプリケーションでの意思決定を改善するために使用できます。これらのデータベースはレビューされます。
Aprioriアルゴリズムの最小サポートとは何ですか?
最小-サポートは、結果の相関ルールのサポートメジャーの最小下限を指定することにより、候補ルールを整理するためにAprioriアルゴリズムに提供されるパラメーターです。アルゴリズムによって生成される各ルールには、独自のサポートと信頼性の測定値があります。
AprioriとFPのどちらの成長が良いですか?
FP-成長:大規模なデータベースで頻繁に発生するパターンの効率的なマイニング方法:非常にコンパクトなFP-ツリーを使用し、分割統治法を採用しています。 AprioriとFP - Growthはどちらもパターンの完全なセットを見つけることを目的としていますが、 FP - Growthは、長いパターンに関してAprioriよりも効率的です。
強い相関ルールとは何ですか?
ストロングアソシエーションルールとは何ですか。 1.ユーザー指定の最小サポートしきい値およびそれぞれ最小信頼しきい値以上のサポートと信頼度を持つアソシエーションルール。詳細については、マイニングアソシエーションルールをご覧ください。
自信は対称的な尺度ですか?
自信は対称的な尺度ですか?いいえ、不信任決議は対称的な尺度ではありません。 (c)各顧客IDをマーケットバスケットとして扱い、パート(a)を繰り返します。各アイテムはバイナリ変数として扱う必要があります(顧客が購入した少なくとも1つのトランザクションにアイテムが表示される場合は1、それ以外の場合は0)。
サポートと自信をどのように計算しますか?
ルールのサポートは、X∪Yを含むトランザクションの数です。ルールの信頼度は、X∪Yを含むトランザクションの数をXを含むトランザクションの数で割ったものです。
アサーションルールマイニングとは何ですか?
アプリオリアプローチによるマイニング分類ルール。分類ルールは、あるクラスの概念を他のクラスから区別するアサーションです。ほとんどの分類ルールマイニングアルゴリズムは、複数のソリューションが存在する単一のソリューションを提供することを目的としています。
アソシエーションテクニックとは何ですか?
アソシエーションテクニックは、一見無関係に見える多くのアイテムやアイデアを覚えるのに役立つツールです。アソシエーションは強力な記憶補助です。私たちは皆、何か他のものを思い出させる感覚刺激を経験します。アソシエーションテクニックは、覚えておきたいアイテムやアイデアを1つの視覚的なテーマに結び付けます。
Aprioriアルゴリズムのアプリケーションは何ですか?
Aprioriは、データマイニングで使用される影響力のあるアルゴリズムです。アルゴリズムの名前は、アルゴリズムが頻繁なアイテムセットプロパティの事前知識を使用するという事実に基づいています。このソフトウェアは、糖尿病患者の社会的地位を発見するために使用されます。
アソシエーションルールへの信頼とは何ですか?
アソシエーションルールへの信頼。アソシエーションルールの信頼度は、ルール本体を含むすべてのグループ間でルールヘッドが発生する頻度を示すパーセンテージ値です。したがって、ルールの信頼度はm / nに相当するパーセンテージであり、値は次のとおりです。
アソシエーションルールマイニングの重要性は、アソシエーションルールマイニングのアプリケーションの領域もリストアップすることの重要性は何ですか?
アソシエーションルールマイニングは、データベースにエンコードされたトランザクション間のアソシエーションを検出しようとします。医療診断、GIS、リレーショナルデータベース、大規模データベース、分散データベースなど、さまざまなアプリケーションでの意思決定を改善するために使用できます。これらのデータベースはレビューされます。
機械学習の相関ルールとは何ですか?
相関ルール学習は、大規模なデータベース内の変数間の興味深い関係を発見するためのルールベースの機械学習方法です。シーケンスマイニングとは対照的に、相関ルール学習では通常、トランザクション内またはトランザクション間でのアイテムの順序は考慮されません。
候補世代とは何ですか?
候補者の生成は、推奨の最初の段階です。クエリが与えられると、システムは関連する候補のセットを生成します。
Eclatアルゴリズムとは何ですか?
ECLATアルゴリズムは、Equivalent ClassClusteringとボトムアップのLatticeTraversalの略です。これは、アソシエーションルールマイニングの一般的な方法の1つです。 ECLATアルゴリズムのこの垂直アプローチにより、Aprioriアルゴリズムよりも高速なアルゴリズムになります。
アソシエーションは監視されていますか、それとも監視されていませんか?
分類モデルをもたらす決定木とルールセットの誘導とは対照的に、相関ルール学習は教師なし学習方法であり、例にクラスラベルが割り当てられていません。これは、NNが事前に計算された例から学習する教師あり学習タスクになります。
Aprioriは監視ありですか、それとも監視なしですか?
これは監視ありですか、それとも監視なしですか? Aprioriは、興味深いパターンや関係を発見またはマイニングするためによく使用されるため、一般に教師なし学習アプローチと見なされます。 Aprioriは、ラベル付けされたデータに基づいて分類を行うように変更することもできます。