Das Lernen von Assoziationsregeln ist eine maschinelle Lerntechnik, die Data Mining nutzt, um interessante Beziehungen oder \u201eAssoziationen\u201c zwischen einer Reihe von Elementen in gro\u00dfen Datens\u00e4tzen zu entdecken. Dieser wissensbasierte Ansatz ist ein grundlegendes Werkzeug in verschiedenen datengesteuerten Bereichen wie Warenkorbanalyse, Web Usage Mining, Intrusion Detection und kontinuierlicher Produktion.<\/p>\n
Das Lernen von Assoziationsregeln als Data-Mining-Technik erlangte Mitte der 1990er Jahre Anerkennung, vor allem aufgrund seiner erfolgreichen Implementierung im Einzelhandel. Der erste bekannte Algorithmus zur Generierung von Assoziationsregeln war der \u201eApriori-Algorithmus\u201c, der 1994 von Rakesh Agrawal und Ramakrishnan Srikant vorgestellt wurde. Die Studie entstand aus dem Versuch, Kaufmuster durch die Analyse gro\u00dfer Mengen von Verkaufsdaten zu erkennen.<\/p>\n
Das Lernen von Assoziationsregeln ist eine regelbasierte Technik des maschinellen Lernens, die darauf abzielt, interessante Assoziationen oder Korrelationen zwischen einer Reihe von Elementen in gro\u00dfen Datens\u00e4tzen zu finden. Die entdeckten Regeln werden oft als \u201eWenn-Dann\u201c-Aussagen ausgedr\u00fcckt. Wenn ein Kunde beispielsweise Brot und Butter kauft (Vorl\u00e4ufer), dann kauft er wahrscheinlich auch Milch (Folge). Hier sind \u201eBrot und Butter\u201c und \u201eMilch\u201c Itemsets.<\/p>\n
Die beiden Hauptma\u00dfst\u00e4be f\u00fcr die Regelbewertung beim Lernen von Assoziationsregeln sind \u201eUnterst\u00fctzung\u201c und \u201eVertrauen\u201c. \u201eUnterst\u00fctzung\u201c misst die H\u00e4ufigkeit des Auftretens eines Itemsets, w\u00e4hrend \u201eKonfidenz\u201c die Wahrscheinlichkeit widerspiegelt, mit der Items in der Konsequenz unter Ber\u00fccksichtigung des Vorg\u00e4ngers auftreten. Ein weiteres Ma\u00df, \u201eLift\u201c, kann Aufschluss \u00fcber die Steigerung der Verkaufsquote von Folgeprodukten geben, wenn der Vorg\u00e4nger verkauft wird.<\/p>\n
Das Erlernen von Assoziationsregeln umfasst drei Hauptschritte:<\/p>\n
Das Apriori-Prinzip, das besagt, dass eine Teilmenge einer h\u00e4ufigen Artikelmenge auch h\u00e4ufig sein muss, bildet die Grundlage f\u00fcr das Lernen von Assoziationsregeln. Dieses Prinzip ist von entscheidender Bedeutung f\u00fcr die Reduzierung der Rechenkosten durch die Beseitigung unwahrscheinlicher Zusammenh\u00e4nge.<\/p>\n
Einige definierende Merkmale des Lernens von Assoziationsregeln sind:<\/p>\n
Lernalgorithmen f\u00fcr Assoziationsregeln k\u00f6nnen grob in zwei Typen eingeteilt werden:<\/p>\n
Einige weit verbreitete Lernalgorithmen f\u00fcr Assoziationsregeln sind:<\/p>\n