IMG955 (4)

I

Odkryte wzorce zachowań są następnie wykorzystywane w celu organizacji produktów na półkach sklepowych

DANY JEST ZBIÓR ATRYBUTÓW(PRODUKTÓW)

P{P1,P2,P3...P8}

OBSERWACJA

{01,...,012}

Jedynki i zera w tablicy obserwacji oznaczają czy dany produkt został zakupiony Wynikiem odkrywania asocjacji są reguły asocjacyjne mające postać:

IF A=1 AND B=1 THEN C=1

Z prawdopodobieństwiem "p" gdzie A,B,C są zmiennymi binarnymi a p=p(C=l, A=l, B=l) tzw. jest prawdopodobieństwem warunkowym C=1 pod warunkiem A=l, B=1

Prawdopodobieństwo warunkowe „p" jest nazywane ufnością lub dokładnością a p(C=i, A=l, B=l)

wsparciem

PROGI:

pa- minimalna ufność (miniconf) ps- minimalne wsparciafminsup)

Analiza sytuacji:    minsup=50% minconf=50%

Transakcja    Produkty

1    A,B,C

2    A,C

3    A,D

4    B,E,F

A=>C gdzie Sup=50% i conf = 66,6%

C=>A gdzie Sup=50% i conf=100%

W przedstawionej powyżej bazie danych mamy transakcje oraz produkty (A,B,C,D,E,F). Dla założenia że interesują nas reguły malejące minsup=50% oraz min conf = 50% możemy wyróżnić następujące reguły asocjacyjne:

A=>C gdzie Sup=50% i conf = 66,6%