İçeriğe geç
parazade
Yapay Zeka

Birliktelik Kuralı Nedir?

İngilizce: Association Rule Learning

Yayın: · Son güncelleme:

Birliktelik Kuralı Nedir? Kısaca

Birliktelik kuralı öğrenmesi, büyük veri setlerinde birlikte sık görülen öğeleri bulup bunları 'A varsa B de olma eğilimindedir' biçiminde kurallar olarak ifade eden ve destek, güven ve lift gibi ölçülerle değerlendiren bir veri madenciliği yöntemidir.

Birliktelik Kuralı nedir?
İçindekiler
  1. Birliktelik kuralı nedir?
  2. Kurallar nasıl değerlendirilir?
  3. Örnek
  4. Nasıl bulunur ve nelere dikkat etmeli?

Birliktelik kuralı, "bunu alan şunu da alıyor" türünden ilişkileri veriden otomatik olarak çıkarmaya yarar. Veri madenciliğinin klasik yöntemlerinden biridir ve en bilinen uygulaması pazar sepeti analizidir.

Birliktelik kuralı nedir?

Bir kural {A} → {B} biçiminde yazılır: A öğesini içeren işlemler B'yi de içerme eğilimindedir. Örneğin {makarna, domates sosu} → {rendelenmiş peynir}. Burada A'ya öncül, B'ye sonuç denir.

Kural, nedensellik anlamına gelmez; yalnızca birlikte görülme sıklığına dayanan bir ilişkiyi ifade eder.

Kurallar nasıl değerlendirilir?

Ölçü Anlamı
Destek (support) A ve B'nin birlikte geçtiği işlemlerin tüm işlemlere oranı
Güven (confidence) A'yı içeren işlemlerin ne kadarında B'nin de bulunduğu
Lift Güvenin, B'nin genel görülme oranına bölümü; 1'den büyükse birliktelik tesadüften güçlüdür

Örnek

Varsayımsal bir markette 1.000 fiş var. 100 fişte ekmek ve tereyağı birlikte geçiyor, 200 fişte ekmek var, 250 fişte tereyağı var.

  • Destek = 100 / 1.000 = 0,10
  • Güven (ekmek → tereyağı) = 100 / 200 = 0,50
  • Lift = 0,50 / 0,25 = 2

Lift 2 olduğu için ekmek alanların tereyağı alma eğilimi genel ortalamanın iki katıdır.

Nasıl bulunur ve nelere dikkat etmeli?

Sık birlikte görülen öğe kümeleri genellikle Apriori ya da FP-Growth gibi algoritmalarla bulunur, ardından bunlardan kurallar türetilir.

  • Destek ve güven eşikleri düşük tutulursa binlerce anlamsız kural çıkar.
  • Çok yaygın ürünler yüksek güven üretse de bilgi taşımayabilir; lift bu yüzden önemlidir.
  • Bulunan kurallar mağaza yerleşimi, öneri ve kampanya fikri için ipucu verir, ama test edilmeden kesin sonuç sayılmamalıdır.

Sıkça Sorulan Sorular

Birliktelik kuralında lift neden önemli?

Güven tek başına yanıltıcı olabilir; çok popüler bir ürün hemen her kuralda yüksek güven çıkarır. Lift, birlikteliğin tesadüfi beklentiden ne kadar güçlü olduğunu gösterir.

Birliktelik kuralı nerelerde kullanılır?

Perakendede pazar sepeti analizi, e-ticarette öneri sistemleri, web kullanım analizi ve bazı tıbbi veri incelemelerinde kullanılır.

İlgili terimler

Apriori Algoritması(Apriori Algorithm)Apriori algoritması, bir işlem veri setinde belirlenen destek eşiğini aşan sık öğe kümelerini küçükten büyüğe adım adım bulan ve bu kümelerden birliktelik kuralları türetmek için kullanılan klasik bir veri madenciliği algoritmasıdır.Pazar Sepeti Analizi(Market Basket Analysis)Pazar sepeti analizi, müşterilerin aynı alışverişte hangi ürünleri birlikte satın alma eğiliminde olduğunu satış verilerinden bulan ve birliktelik kuralı yöntemlerine dayanan bir veri madenciliği uygulamasıdır.Veri Madenciliği(Data Mining)Veri madenciliği, büyük veri kümelerinde önceden bilinmeyen örüntüleri, ilişkileri ve eğilimleri istatistik ve makine öğrenmesi yöntemleriyle ortaya çıkarma sürecidir. Sınıflandırma, kümeleme, birliktelik kuralları ve anomali tespiti başlıca teknikleridir.Öneri Sistemi(Recommender System)Öneri sistemi (recommender system), kullanıcıların geçmiş davranışlarını, tercihlerini ve benzer kullanıcıların hareketlerini analiz ederek ilgilenebilecekleri ürün, film, şarkı, haber ya da içerikleri tahmin edip sunan yapay zekâ sistemidir.Harf Çevirisi(Transliteration)Harf çevirisi (transliterasyon), bir yazı sistemindeki metnin, anlamı çevrilmeden başka bir yazı sisteminin harfleriyle yazılmasıdır. Örneğin Kiril alfabesiyle yazılmış bir ismin Latin harflerine aktarılması harf çevirisidir.Dil Tespiti(Language Detection)Dil tespiti (language detection), bir metnin ya da ses kaydının hangi dilde olduğunu otomatik olarak belirleyen doğal dil işleme görevidir. Çeviri, arama motorları ve içerik moderasyonu gibi pek çok sistemin ilk adımıdır.