Birliktelik kuralı öğrenimi

Birliktelik kuralı öğrenme, büyük veri kümelerini analiz etmek ve yorumlamak için kullanılan bir makine öğrenme tekniğidir. Veri seti içindeki veri öğeleri veya öğeler arasındaki ilişkileri tanımlamak için kullanılabilir. Ortaya çıkan birliktelik kuralları daha sonra gözlemlenmemiş olaylar hakkında tahminlerde bulunmak veya verilerdeki açığa çıkarılmamış kalıplar hakkında çıkarımlar yapmak için kullanılabilir.

Birliktelik kuralı öğrenimi, denetimsiz öğrenmenin bir şeklidir; yani herhangi bir etiket veya yanıt gerektirmez. Bunun yerine algoritma, yalnızca verilere dayalı kalıpları ve ilişkileri bulmaya çalışır. Bu modeller daha sonra veri kümesindeki öğeler arasındaki sık görülen ilişkileri tanımlayan "kurallar" oluşturmak için kullanılır.

Bu kurallar daha sonra diğer birçok uygulamanın yanı sıra müşteri satın alma modellerini belirlemek, gelecekteki müşteri satın alımlarını tahmin etmek, müşterileri gruplara ayırmak gibi tahmine dayalı modelleme, kümeleme ve sınıflandırma görevleri için kullanılabilir. Buna ek olarak birliktelik kuralı öğrenimi, arama motorları, kredi kartı sahtekarlığı tespiti, pazar bölümleme ve web madenciliği gibi diğer veri madenciliği görevlerinde de kullanılabilir.

Sinir ağları, destek vektör makineleri ve karar ağaçları gibi diğer makine öğrenme teknikleriyle karşılaştırıldığında birliktelik kuralı öğrenmenin yorumlanmasının kolay olduğu düşünülmektedir. Bu, sistemi özellikle verilerin altında yatan ilkelerin anlaşılmasının önemli olduğu durumlarda faydalı kılar. Birliktelik kuralını öğrenmek çok fazla veri gerektirmese de ilginç ve anlamlı kalıpları bulmak için yeterli veriye ihtiyaç duyar.

Bilgisayarlar büyük miktarlarda veriyi giderek daha fazla depolayıp analiz ettikçe, birliktelik kuralı öğrenmenin veri madenciliği ve tahmine dayalı analitik için güçlü bir araç haline gelmesi bekleniyor.