روش جدیدی برای رتبهبندی قواعد حاصل از دادهکاوی با استفاده از تحلیل پوششی دادهها
نویسندگان
1 Department of Applied Mathematics, Parsabad Moghan Branch, Islamic Azad University, Parsabad Moghan, Iran
doi
چکیده
تکنیکهای دادهکاوی، یعنی استخراج الگوها از پایگاههای دادهای بزرگ، در تجارت به صورت گستردهای مورد استفاده قرار میگیرند. با استفاده از این تکنیکها ممکن است قواعد زیادی حاصل شوند و فقط تعداد کمی از آنها به دلیل محدودیت بودجه و منابع برای پیادهسازی در نظر گرفته شوند. ارزیابی و رتبهبندی جالب بودن و مفید بودن قواعد انجمنی در دادهکاوی اهمیت زیادی دارد. در مطالعات قبلی که در مورد شناسایی قواعد انجمنی جالب از نظر ذهنی انجام شده است، اکثر روشها مستلزم وارد کردن دستی یا پرسیدن از کاربر برای افتراق صریح قواعد جالب از ناجالب بوده است. این روشها نیازمند محاسبات بسیار زیادی هستند و حتی ممکن است به نتیجهگیریهای ناسازگار منتهی شوند. برای غلبه بر این مشکلات، این مقاله پیشنهاد میکند که از رویکرد تحلیل پوششی دادهها (DEA) با مرز دوگانه برای انتخاب کارآترین قاعدهی انجمنی استفاده شود. در این رویکرد علاوه بر بهترین کارآیی نسبی هر قاعدهی انجمنی، بدترین کارآیی نسبی آن نیز در نظر گرفته میشود. در مقایسه با DEAی سنتی، رویکرد DEA با مرز دوگانه میتواند کارآترین قاعدهی انجمنی را به درستی و به آسانی شناسایی کند. به عنوان یک مزیت، رویکرد پیشنهادی از نظر محاسباتی کارآمدتر از کارهای قبلی در این زمینه است. با استفاده از مثالی از تحلیل سبد بازار، قابلیت کاربرد روش مبتنی بر DEAی ما برای اندازهگیری کارآیی قواعد انجمنی با معیارهای چندگانه نشان داده خواهد شد.
