Học quy tắc hiệp hội

Học quy tắc kết hợp là một kỹ thuật học máy được sử dụng để phân tích và giải thích các tập dữ liệu lớn. Nó có thể được sử dụng để xác định mối quan hệ giữa các mục dữ liệu hoặc các phần tử trong tập dữ liệu. Sau đó, các quy tắc kết hợp thu được có thể được sử dụng để đưa ra dự đoán về các sự kiện không được quan sát hoặc suy luận về các mẫu chưa được tiết lộ trong dữ liệu.

Học quy tắc kết hợp là một hình thức học không giám sát, có nghĩa là nó không yêu cầu bất kỳ nhãn hoặc phản hồi nào. Thay vào đó, thuật toán cố gắng tìm các mẫu và mối quan hệ chỉ dựa trên dữ liệu. Sau đó, các mẫu này được sử dụng để tạo “quy tắc” xác định mối liên kết thường xuyên giữa các phần tử trong tập dữ liệu.

Sau đó, các quy tắc này có thể được sử dụng cho các nhiệm vụ mô hình hóa, phân cụm và phân loại dự đoán, chẳng hạn như xác định mô hình mua hàng của khách hàng, dự đoán việc mua hàng của khách hàng trong tương lai, phân chia khách hàng thành các nhóm, cùng nhiều ứng dụng khác. Ngoài ra, việc học quy tắc kết hợp cũng có thể được sử dụng trong các tác vụ khai thác dữ liệu khác như công cụ tìm kiếm, phát hiện gian lận thẻ tín dụng, phân khúc thị trường và khai thác web.

So với các kỹ thuật học máy khác, chẳng hạn như mạng lưới thần kinh, máy vectơ hỗ trợ và cây quyết định, học quy tắc kết hợp được coi là dễ diễn giải. Điều này làm cho hệ thống đặc biệt hữu ích trong các tình huống mà việc hiểu các nguyên tắc cơ bản của dữ liệu là quan trọng. Mặc dù việc học quy tắc kết hợp không yêu cầu nhiều dữ liệu nhưng nó đòi hỏi phải có đủ dữ liệu để tìm ra các mẫu thú vị và có ý nghĩa.

Khi máy tính ngày càng lưu trữ và phân tích lượng lớn dữ liệu, việc học quy tắc kết hợp được kỳ vọng sẽ trở thành một công cụ mạnh mẽ để khai thác dữ liệu và phân tích dự đoán.