تعلم قواعد الرابطة

تعلم قواعد الارتباط هو أسلوب للتعلم الآلي يستخدم لتحليل وتفسير مجموعات البيانات الكبيرة. يمكن استخدامه لتحديد العلاقات بين عناصر البيانات أو العناصر داخل مجموعة البيانات. يمكن بعد ذلك استخدام قواعد الارتباط الناتجة لإجراء تنبؤات حول الأحداث غير الملحوظة أو الاستدلالات حول الأنماط غير المكشوفة في البيانات.

يعد تعلم قواعد الارتباط أحد أشكال التعلم غير الخاضع للإشراف، مما يعني أنه لا يتطلب أي تسميات أو استجابات. وبدلاً من ذلك، تحاول الخوارزمية العثور على الأنماط والعلاقات بناءً على البيانات وحدها. يتم بعد ذلك استخدام هذه الأنماط لإنشاء "قواعد" تحدد الارتباطات المتكررة بين العناصر الموجودة في مجموعة البيانات.

ويمكن بعد ذلك استخدام هذه القواعد في النمذجة التنبؤية، ومهام التجميع والتصنيف، مثل تحديد أنماط شراء العملاء، والتنبؤ بمشتريات العملاء المستقبلية، وتقسيم العملاء إلى مجموعات، من بين العديد من التطبيقات الأخرى. بالإضافة إلى ذلك، يمكن أيضًا استخدام تعلم قواعد الارتباط في مهام التنقيب عن البيانات الأخرى مثل محركات البحث، والكشف عن الاحتيال في بطاقات الائتمان، وتجزئة السوق، والتنقيب عن الويب.

بالمقارنة مع تقنيات التعلم الآلي الأخرى، مثل الشبكات العصبية، وآلات ناقلات الدعم، وأشجار القرار، يعتبر تعلم قواعد الارتباط سهل التفسير. وهذا يجعل النظام مفيدًا بشكل خاص في المواقف التي يكون فيها فهم المبادئ الأساسية للبيانات أمرًا مهمًا. في حين أن تعلم قواعد الارتباط لا يتطلب الكثير من البيانات، فإنه يتطلب بيانات كافية للعثور على أنماط مثيرة للاهتمام وذات معنى.

نظرًا لأن أجهزة الكمبيوتر تقوم بشكل متزايد بتخزين كميات كبيرة من البيانات وتحليلها، فمن المتوقع أن يصبح تعلم قواعد الارتباط أداة قوية لاستخراج البيانات والتحليلات التنبؤية.